基于数据融合的模拟电路故障诊断

（1）介绍了模拟电路故障诊断技术发展和现状，对现有的主要诊断方法以及近年来先进的神经网络理论和技术以及数据融合技术在模拟电路故障诊断领域中的应用进行了简单的论述

（2）对神经网络方法的基本原理及其在模拟电路故障诊断中的优势进行了详细的介绍，包括神经网络的分类和神经网络的学习规则。详细说明在电路故障诊断中应用最广泛的BP神经网的设计、训练和测试方法，并对一个两级RC耦合放大器电路例进行了测试、神经网络训练和诊断。

（3）介绍了数据融合技术的概念、优缺点、基本方法及其在各个领域的应用情况。然后对于数据融合具体方法，着重研究了 Bayes统计融合方法Dempster-Shafer证据理论融合方法以及模糊集理论融合方法。最后采用基于待定系数法的隶属度构造法以及模糊融合的方法对实例电路进行了故障诊断。（4）提出了一种新的利用包含元件直流特性信息的静态工作点电压和包含元件交流特性信息的不同频率激励下输出电压峰值与输出电压峰值的比值两类信息进行数据融合诊断的方法，保证故障信息量的同时降低了获取难度，应用模糊数学的理论，通过模糊变换将两类故障信息通过两个神经网络诊断得出的故障求属度进行决策层的数据融合，较好的解决了了单神经网络诊断信息量不足，由于电路元件互相影响而产生的故障诊断不确定性的问题以及待融合故障信息隶属度获取困难的问题，使得诊断准确率得到较为明显的提高本文提出的基于数据融合和神经网络的方法可以实现对模拟电路的故障进行准确实时快速诊断，具有一定的实用价值。

关健词：模拟电路；数据融合；神经网络；模糊集理论

点击标签浏览更多相关技术资料资源：