[发明专利]基于模糊神经网络的大规模直流模拟电路区间诊断方法

说明书

技术领域

本发明涉及一种直流模拟电路区间诊断方法，尤其是涉及一种基于模糊神经网络（FNN）的大规模直流模拟电路区间诊断方法。

背景技术

模拟电路故障诊断是近代电路理论的前沿领域，自20世纪60年代开始研究以来，取得了不少成就，研究者们提出了很多方法，如故障字典法、网络撕裂法、神经网络法等。然而随着集成电路的不断发展，大规模模拟电路的故障诊断成为了一个世界性难题，虽然最近几年提出了不少诊断方法，但可能还需要大量细致的完善工作要做。在模拟电路中，元件参数可能在[0,+∞]内连续取值，故电路可能的状态总数是不可数的，硬故障仅仅考虑了极端的情况，但软故障需要考虑的个数必然是不可数的。因此，现有诊断方法大多只适用于诊断硬故障和少数固定参数偏移软故障，且故障诊断精度较低。大多数软故障并不适用，其主要原因在于不能将软故障对应的故障状态完整的表述出来。迄今为止，很少有文献对软故障所对应的故障状态给出有效的完整描述方法。

 

发明内容

为了克服现有技术存在的上述缺陷，本发明提供一种基于模糊神经网络的大规模直流模拟电路区间诊断方法，该方法利用区间来完整的描述模拟电路软故障的故障状态，通过模糊神经网络处理区间数据，故障诊断精度高。

本发明所采用的技术方案为：

    其包括以下步骤：

1）利用撕裂原则将大规模模拟电路撕裂成N个不能再进行撕裂的子电路，并给每个子电路配备一个相应的模糊神经网络；

2）在大规模模拟电路中，其它元件参数在容差范围内，而可能的故障元件在其参数全局取值范围[0,+∞]内变化时，利用PSPICE中的参数分析仿真得出可能的故障元件所在的子电路所包含的所有可测节点的电压区间值；

3）按照元件的容差范围将此电压区间值划分为至少3个子区间；

4）对各个子电路所对应的模糊神经网络，利用子电路所包含的可测节点电压子区间和隶属度函数建立模糊神经网络中的模糊逻辑部分，同时，利用训练样本训练模糊神经网络中的BP神经网络，得到训练好的模糊神经网络；

5）在实际诊断中，测出所有可测节点的电压值，将各个子电路中的可测节点实际电压值作为对应模糊神经网络的输入，得到输出，从而得到故障诊断结果。

撕裂原则内容如下：①撕裂节点必须是可测节点或公共节点；② 各个子电路之间必须是相对独立的，不能有任何耦合关系且电路内的特殊结构不能拆开；③ 撕裂后的每个子网络至少要含有两个可测节点，在满足这个条件的基础上使子电路的规模最小，这样可以减小模糊神经网络的规模，节省诊断时间。由撕裂原则可知，大规模模拟电路被撕裂成了N个最小子电路，即大规模模拟电路被撕裂成N个不能再进行撕裂的子电路。

所述步骤2）中，可能的故障元件在其参数全局取值范围[0,+∞]内变化时，可测节点的电压值要是单调递增或单调递减变化的。

所述步骤3）中，根据元件的容差范围，将电压区间拆分成多个子区间，这样就能够完整的描述软故障的故障状态。参数全局取值范围[0,+∞]根据容差范围至少可以拆分成3个子区间，其中中间那个子区间是容差范围区间，即元件参数允许取值区间。拆分成3个子区间虽然拆分简单、诊断中数据处理量也小，但是由于区间数据跨度较大，会在一定程度上影响到诊断精度。因此，为了综合考虑诊断精度和诊断中数据处理的繁琐程度，本发明将电压区间拆分成子区间的个数优选5个。当然，如果拆分成5个子区间无法满足诊断精度要求，我们可将除容差范围区间外的区间进行进一步的拆分，这样虽然增加了数据处理量，但能够提高诊断精度。

假设元件参数为X，容差范围为XTOL%。根据容差范围将元件参数的取值范围[0,+∞]进行拆分如下：

拆分区间1：[0，                                               ）；

拆分区间2：[，）；

拆分区间3：[、）；

拆分区间4：[、）；

拆分区间5：[、∞]。每个元件参数的拆分区间都会对应一个电压区间，这样就将电压区间拆分成多个子区间。

所述步骤4）中，本发明根据需要建立了一个特殊的隶属度函数，函数结构如下：

式中，x表示可测节点的实际测量电压值，区间1-5分别表示可测节点对应的电压区间。