論文摘要：分析了模擬電路故障診斷的重要性和目前存在的困難，對基于小渡分析理論和神經(jīng)網(wǎng)絡理論的模擬電路故障診斷方法進行了綜述.指出了小波神經(jīng)網(wǎng)絡應用于模擬電路故障診斷存在的問題和未來的應用前景。

模擬電路故障診斷在理論上可概括為:在已知網(wǎng)絡拓撲結(jié)構、輸人激勵和故障響應或可能已知部分元件參數(shù)的情況下，求故障元件的參數(shù)和位置。

盡管目前模擬電路故障診斷理論和方法都取得了不少成就，提出了很多故障診斷方法，如故障字典法、故障參數(shù)識別法、故障驗證法等。但是由于模擬電路測試和診斷有其自身困難，進展比較緩慢。其主要困難有:模擬電路中的故障模型比較復雜，難以作簡單的量化;模擬電路中元件參數(shù)具有容差，增加了故障診斷的難度;在模擬電路中廣泛存在著非線性問題，為故障的定位診斷增加了難度;在一個實用的模擬電路中，幾乎無一例外地存在著反饋回路，仿真時需要大量的復雜計算;實際的模擬電路中可測電壓的節(jié)點數(shù)非常有限.導致可用于作故障診斷的信息量不夠充分，造成故障定位的不確定性和模糊性。

因此，以往對模擬電路故障診斷的研究主要停留在中小規(guī)模線性無容差或小容差的情況，有些方法也已成功地應用于工程實際。但如何有效地解決模擬電路的容差和非線性問題，如何解決故障診斷的模糊性和不確定性等是今后迫切需要解決的問題。小波神經(jīng)網(wǎng)絡則因其利于模擬人類處理問題的過程、容易顧及人的經(jīng)驗且具有一定的學習能力等特點，所以在這一領域得到了廣泛應用。

1小波分析理論在模擬電路故障診斷中的應用現(xiàn)狀分析

簡單地講，小波就是一個有始有終的小的“波浪”小波分析源于信號分析，源于函數(shù)的伸縮和平移，是Fourier分析、Gabor分析和短時Fourier分析發(fā)展的直接結(jié)果。小波分析的基木原理是通過小波母函數(shù)在尺度上的伸縮和時域上的平移來分析信號，適當選擇母函數(shù).可以使擴張函數(shù)具有較好的局部性，小波分析是對信號在低頻段進行有效的逐層分解，而小波包分析是對小波分析的一種改進，它為信號提供了一種更加精細的分析方法，對信號在全頻段進行逐層有效的分解，更有利于提取信號的特征。因此，它是一種時頻分析方法。在時頻域具有良好的局部化性能并具有多分辨分析的特性，非常適合非平穩(wěn)信號的奇異性分析。如:利用連續(xù)小波變換可以檢測信號的奇異性，區(qū)分信號突變和噪聲，利用離散小波變換可以檢測隨機信號頻率結(jié)構的突變。

小波變換故障診斷機理包括:利用觀測器信號的奇異性進行故障診斷以及利用觀測器信號頻率結(jié)構的變化進行故障診斷。小波變換具有不需要系統(tǒng)的數(shù)學模型、故障檢測靈敏準確、運算量小、對噪聲的抑制能力強和對輸入信號要求低的優(yōu)點。但在大尺度下由于濾波器的時域?qū)挾容^大，檢測時會產(chǎn)生時間延遲，且不同小波基的選取對診斷結(jié)果也有影響。在模擬電路故障診斷中，小波變換被有效地用來提取故障特征信息即小波預處理器之后，再將這些故障特征信息送人故障分類處理器進行故障診斷。小波分析理論的應用一般被限制在小規(guī)模的范圍內(nèi)，其主要原因是大規(guī)模的應用對小波基的構造和存儲需要的花費較大。

2神經(jīng)網(wǎng)絡理論在模擬電路故障診斷中的應用分析

人工神經(jīng)網(wǎng)絡(ANN)是在現(xiàn)代神經(jīng)科學研究成果的基礎上提出來的，是一種抽象的數(shù)學模型，是對人腦功能的模擬。經(jīng)過十幾年的發(fā)展，人工神經(jīng)網(wǎng)絡已形成了數(shù)十種網(wǎng)絡，包括多層感知器Kohomen自組織特征映射、Hopfield網(wǎng)絡、自適應共振理論、ART網(wǎng)絡、RBF網(wǎng)絡、概率神經(jīng)網(wǎng)絡等。這些網(wǎng)絡由于結(jié)構不同，應用范圍也各不相同。由于人工神經(jīng)網(wǎng)絡本身不僅具有非線性、自適應性、并行性、容錯性等優(yōu)點以及分辨故障原因、故障類型的能力外，而且訓練過的神經(jīng)網(wǎng)絡能儲存有關過程的知識，能直接從定量的、歷史故障信息中學習。所以在20世紀80年代末期，它已開始應用于模擬電路故障診斷。隨著人工神經(jīng)網(wǎng)絡的不斷成熟及大量應用，將神經(jīng)網(wǎng)絡廣泛用于模擬電路的故障診斷已是發(fā)展趨勢。BY神經(jīng)網(wǎng)絡由于具有良好的模式分類能力，尤其適用于模擬電路故障診斷領域，因而在模擬電路故障診斷系統(tǒng)中具有廣泛的應用前景，也是目前模擬電路故障診斷中用得較多而且較為有效的一種神經(jīng)網(wǎng)絡。

3小波神經(jīng)網(wǎng)絡的應用進展分析

3,1小波分析理論與神經(jīng)網(wǎng)絡理論結(jié)合的必要性

在神經(jīng)網(wǎng)絡理論應用于模擬電路故障診斷的過程中，神經(jīng)網(wǎng)路對于隱層神經(jīng)元節(jié)點數(shù)的確定、各種參數(shù)的初始化和神經(jīng)網(wǎng)絡結(jié)構的構造等缺乏更有效的理論性指導方法，而這些都將直接影響神經(jīng)網(wǎng)絡的實際應用效果。小波分析在時域和頻域同時具有良好的局部化特性，而神經(jīng)網(wǎng)絡則具有自學習、并行處理、自適應、容錯性和推廣能力二因此把小波分析和神經(jīng)網(wǎng)絡兩者的優(yōu)點結(jié)合起來應用于故障診斷是客觀實際的需要。

目前小波分析與神經(jīng)網(wǎng)絡的結(jié)合有兩種形式，一種是先利用小波變換對信號進行預處理，提取信號的特征向量作為神經(jīng)網(wǎng)絡的輸人，另一種則是采用小波函數(shù)和尺度函數(shù)形成神經(jīng)元，達到小波分析和神經(jīng)網(wǎng)絡的直接融合第一種結(jié)合方式是小波神經(jīng)網(wǎng)絡的松散型結(jié)合，第二種結(jié)合方式是小波神經(jīng)網(wǎng)絡的緊致型結(jié)合。

3.2小波分析理論與神經(jīng)網(wǎng)絡理論的結(jié)合形式

小波與神經(jīng)網(wǎng)絡的松散型結(jié)合，即:用小波分析或小波包分析作為神經(jīng)網(wǎng)絡的前置處理手段，為神經(jīng)網(wǎng)絡提供輸人特征向魚具體來說就是利用小波分析或小波包分析，把信號分解到相互獨立的頻帶之內(nèi)，各頻帶內(nèi)的能童值形成一個向覺，該向童對不同的故障對應不同的值，從而可作為神經(jīng)網(wǎng)絡的輸入特征向量一旦確定神經(jīng)網(wǎng)絡的輸入特征向童，再根據(jù)經(jīng)驗確定采用哪種神經(jīng)網(wǎng)絡及隱層數(shù)和隱層單元數(shù)等，就可以利用試驗樣本對神經(jīng)網(wǎng)絡進行訓練，調(diào)整權值，從而建立起所需的小波神經(jīng)網(wǎng)絡模型。

小波與神經(jīng)網(wǎng)絡的緊致型結(jié)合，即:用小波函數(shù)和尺度函數(shù)形成神經(jīng)元，達到小波分析和神經(jīng)網(wǎng)絡的直接融合，稱為狹義上的小波神經(jīng)網(wǎng)絡，這也是常說的小波神經(jīng)網(wǎng)絡。它是以小波函數(shù)或尺度函數(shù)作為激勵函數(shù)，其作用機理和采用Sigmoid函數(shù)的多層感知器基本相同。故障診斷的實質(zhì)是要實現(xiàn)癥狀空間到故障空間的映射，這種映射也可以用函數(shù)逼近來表示。小波神經(jīng)網(wǎng)絡的形成也可以從函數(shù)逼近的角度加以說明。常見的小波神經(jīng)網(wǎng)絡有:利用尺度函數(shù)作為神經(jīng)網(wǎng)絡中神經(jīng)元激勵函數(shù)的正交基小波網(wǎng)絡、自適應小波神經(jīng)網(wǎng)絡、多分辨率小波網(wǎng)絡、區(qū)間小波網(wǎng)絡等。