专利名称：基于小波神经网络的大规模模拟电路故障诊断方法
技术领域：
本发明涉及一种大规模模拟电路故障诊断方法，特别是涉及一种基于小波神经网络的大规模模拟电路的故障诊断方法
背景技术：
随着当代科学技术的飞速发展，模拟集成电路的网络规模和结构日益功能化和模块化，一旦集成电路的一些功能块发生故障，只需及时发现并更换故障模块就可确保网络的正常运行，此时对其内部进行元件级诊断已经没有必要，因此用智能诊断技术对大规模模拟电路进行快速准确的模块级故障定位是当前实际工程迫切需要解决的课题，也是故障诊断理论走向实际应用的关键步骤。近年来，研究学者们在大规模模拟电路故障诊断方面已取得了不少成就并提出了很多诊断方法，如区间诊断法、网络撕裂法、神经网络方法等，但这些现有诊断方法大多只适用于对单故障状态以及少数多硬故障状态的诊断，且效果并不理想，其主要原因在于受到网络撕裂和网络规模的限制，至此，很少有文献对故障模块的硬故障、软故障以及多故障状态提出有效地诊断方法。

发明内容
本发明解决的技术问题是，克服现有技术存在的上述缺陷，提供一种能对大规模模拟电路进行快速准确的模块级故障定位的基于小波神经网络的大规模模拟电路故障诊断方法。本发明解决其技术问题所采用的技术方案是基于小波神经网络的大规模模拟电路故障诊断方法，包括以下步骤
I)对待测电路进行功能模块的划分，并对待测电路进行至少两次交叉撕裂，每次撕裂得到S个子网络，每个子网络包含N个功能模块，直至使得任意两个功能模块在交叉撕裂中至少有一次被分别包含在不同的子网络中，同时，确定每次撕裂节点；
2)针对硬故障、软故障和多故障情况，对样本撕裂节点进行电压采样，然后对采样电压进行主元分析和归一化处理，得到故障特征向量；
3)对应每次撕裂分别建立一个小波神经网络，将待测电路的正常状态与不同故障状态下得到的电压特征向量输入小波神经网络，对所有小波神经网络进行训练；
4)对小波神经网络的输出进行逻辑诊断即实现故障模块定位。进一步，所述步骤2)中，对样本撕裂节点进行电压采样时，可利用电路分析软件PSPICE分别对每次撕裂节点进行电压采样，用作测量与分析。进一步，所述步骤3)中的小波神经网络是用非线性小波函数来代替神经网络中间层结点的非线性传递函数构造而成。进一步，所述步骤4)中的逻辑诊断即构造逻辑诊断矩阵D ;矩阵D的行对应于撕裂次数耶=U_i)，矩阵D的列对应于各功能模块，其元素为“I”或“O”;如果第j个功能模块為在第i次撕裂时，被判为无故障，则D的第i行第j列的元素为O ;若有故障则为1，由此可实现故障模块定位。在当前工程实践中，大规模模拟电路的功能模块化日益明显，对应不同元件实现的功能不同对，所以可对待测电路进行功能模块的划分。所述步骤3)中，小波神经网络训练如下
I)用非线性小波函数来代替神经网络中间层结点的非线性传递函数，小波函数的尺度伸缩因子和时间平移因子代替传统BP网络中输入层到隐含层的权值，及隐含层的阈值，网络输出可表示为
权利要求
1.基于小波神经网络的大规模模拟电路故障诊断方法，其特征在于，包括以下步骤 I)对待测电路进行功能模块的划分，并对待测电路进行至少两次交叉撕裂，每次撕裂得到S个子网络，每个子网络包含N个功能模块，直至使得任意两个功能模块在交叉撕裂中至少有一次被分别包含在不同的子网络中，同时，确定每次撕裂节点； 2)针对硬故障、软故障和多故障情况，对样本撕裂节点进行电压采样，然后对采样电压进行主元分析和归一化处理，得到故障特征向量； 3)对应每次撕裂分别建立一个小波神经网络，将待测电路的正常状态与不同故障状态下得到的电压特征向量输入小波神经网络，对所有小波神经网络进行训练； 4)对小波神经网络的输出进行逻辑诊断即实现故障模块定位。
2.根据权利要求I所述的基于小波神经网络的大规模模拟电路故障诊断方法，其特征在于，所述步骤2)中，对样本撕裂节点进行电压采样时，利用电路分析软件PSPICE分别对每次撕裂节点进行电压采样，用作测量与分析。
3.根据权利要求I或2所述的基于小波神经网络的大规模模拟电路故障诊断方法，其特征在于，所述步骤3)中的小波神经网络是用非线性小波函数来代替神经网络中间层结点的非线性传递函数构造而成。
4.根据权利要求I或2所述的基于小波神经网络的大规模模拟电路故障诊断方法，其特征在于，所述步骤4)中的逻辑诊断即构造逻辑诊断矩阵D ;矩阵D的行对应于撕裂次数TS=\U)，矩阵D的列对应于各功能模块，其元素为“I”或“O”；如果第j个功能模块為在第i次撕裂时，被判为无故障，则D的第i行第j列的元素为O ;若有故障则为1，实现故障模块定位。
5.根据权利要求I或2所述的基于小波神经网络的大规模模拟电路故障诊断方法，其特征在于，所述步骤3)中，小波神经网络训练如下 I)用非线性小波函数来代替神经网络中间层结点的非线性传递函数，小波函数的尺度伸缩因子和时间平移因子代替传统BP网络中输入层到隐含层的权值，及隐含层的阈值，网络输出可表示为
全文摘要
基于小波神经网络的大规模模拟电路故障诊断方法，包括以下步骤对待测电路进行功能模块的划分，并对待测电路进行至少两次交叉撕裂，使得任意两个功能模块在交叉撕裂中至少有一次被分别包含在不同的子网络中，并确定每次撕裂节点；对样本撕裂节点进行电压采样，得到故障特征向量；对应每次撕裂分别建立一个小波神经网络，将待测电路的正常状态与不同故障状态下得到的电压特征向量输入小波神经网络，对所有小波神经网络进行训练；对小波神经网络的输出进行逻辑诊断即实现故障模块定位。本发明对大规模模拟电路的硬故障、软故障以及多故障状态能进行快速准确的模块级故障定位,具有较高的工程应用价值。
文档编号G01R31/28GK102636742SQ20121014991
公开日2012年8月15日 申请日期2012年5月15日 优先权日2012年5月15日
发明者何怡刚, 齐蓓 申请人:长沙河野电气科技有限公司