基于LMD和神經(jīng)網(wǎng)絡的模擬電路故障診斷方法研究.pdf

1、@溯南鉀軾大苷碩士學位論文基于LMD和神經(jīng)網(wǎng)絡的模擬電路故障診斷方法研究學科專業(yè)電子與通信工程學位類型口科學學位團專業(yè)學位研究生姓名導師姓名、職稱曾黎劉美容講師論文編號s1701178湖南師范大學學位評定委員會辦公室二。一七年五月摘要在信息化社會，電子設備已經(jīng)成為人類生產(chǎn)生活中的必要工具。隨著電子工業(yè)的崛起，人們對電子產(chǎn)品的修理和保養(yǎng)提出了更高層次的需求。因為電路本身存在非線性因素，以及電子元器件自身的容差性，因此給模擬電路故障診斷技術

2、帶來了一定的難度。傳統(tǒng)的模擬電路故障診斷技術已經(jīng)不能適用高復雜度、高集成度的電路，因此，亟需探索新的診斷方法。伴隨著人工智能的快速發(fā)展，神經(jīng)網(wǎng)絡、小波分析、遺傳算法、支持向量機等人工智能算法被廣泛應用到模擬電路故障診斷技術當中，為故障診斷領域開辟了新的方向。在故障診斷中，特征向量提取和模式識別是故障診斷的兩個重要步驟，因此如何構造特征向量和分類器是模擬電路故障檢測技術的研究方向。本文以故障特征向量提取為重點研究內(nèi)容，提出了基于LMD和神

3、經(jīng)網(wǎng)絡的模擬電路故障診斷方法。主要內(nèi)容如下：(1)本文研究了小波包理論，將小波包用于模擬電路故障特征提取部分，并利用BP神經(jīng)網(wǎng)絡進行故障分類。仿真實驗表明此方法的有效性。(2)研究LMD(局部均值分解)算法，提出一種基于LN)能量特征的故障特征向量提取方法。該特征向量提取方法將復雜的多分量調(diào)頻信號分解成單分量的調(diào)頻信號，且分解結果保持了原始信號的幅值和頻率變化，因此適合于電路故障診斷。(3)在LIVID基礎上，結合多尺度熵的理論，提出一