[電子電路]基于BP神經(jīng)網(wǎng)絡(luò)的低通濾波器故障診斷

1、 基于bp神經(jīng)網(wǎng)絡(luò)的低通濾波器故障診斷摘 要隨著電子工業(yè)的發(fā)展，電子設(shè)備越來越復(fù)雜，傳統(tǒng)的人工故障診斷方法已經(jīng)無法滿足要求，電路的故障診斷和神經(jīng)網(wǎng)絡(luò)成為當(dāng)今學(xué)術(shù)界的兩大熱點(diǎn)問題。近年來，神經(jīng)網(wǎng)絡(luò)在故障診斷發(fā)面得到了越來越多的應(yīng)用，神經(jīng)網(wǎng)絡(luò)故障診斷是今后故障診斷的發(fā)展趨勢。在簡要的研究了低通濾波器和bp神經(jīng)網(wǎng)絡(luò)的基本原理基礎(chǔ)上，詳細(xì)說明了基于bp神經(jīng)網(wǎng)絡(luò)算法的低通濾波器故障診斷方法和設(shè)計(jì)步驟。熟悉低通濾波器的作用、類型和分類，分析哪些因素的變化可能引起低通濾波器發(fā)生故障，對低通濾波器發(fā)生的故障進(jìn)行分析，確定故障類型，并對故障數(shù)據(jù)進(jìn)行整理和計(jì)算。用神經(jīng)網(wǎng)絡(luò)的方法建立低通濾波器的故障診斷系統(tǒng)，設(shè)計(jì)神

2、經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的結(jié)構(gòu)、具體層數(shù)、輸入、輸出的節(jié)點(diǎn)數(shù)及每層的函數(shù)。利用神經(jīng)網(wǎng)絡(luò)建立過程數(shù)據(jù)與故障類型之間的對應(yīng)關(guān)系，辨識出系統(tǒng)的正常運(yùn)行狀態(tài)與故障運(yùn)行狀態(tài)。用matlab對過程進(jìn)行編程仿真，并在實(shí)驗(yàn)室進(jìn)行調(diào)試，得到的誤差變化曲線基本上符合提出的期望。結(jié)果表明bp神經(jīng)網(wǎng)絡(luò)算法能夠有效的應(yīng)用于低通濾波器故障診斷。關(guān)鍵詞:bp神經(jīng)網(wǎng)絡(luò)；故障診斷；低通濾波器fault diagnosis of low-pass filter based on bp neural networkabstract with the development of the electronics industry, ele

3、ctronic equipment become more and more complex, the traditional manual fault diagnosis methods have been unable to meet the requirements, circuit fault diagnosis and neural networks as the two hot issues of todays academia. in recent years, the neural network in fault diagnosis baking more and more

4、applications, neural network fault diagnosis is the development trend of the fault diagnosis in the future. after a brief introduction to the low-pass filter and the bp neural network based on the principle, detailed description of the diagnostic methods and design steps of the bp neural network alg

5、orithm-based low-pass filter failure. familiar with the role of the low-pass filter, type and classification, and analysis of the factors which change is likely to cause the failure of low-pass filter, failures of the low-pass filter to determine the type of fault, and make fault data collation and

6、calculation. fault diagnosis system using neural network approach to the establishment of a low-pass filter, the structure of the designed neural network fault diagnosis system, the specific number of layers, input, output nodes and the function of each layer. using neural network to establish the c

7、orrespondence between the process data and the type of fault, identify the systems normal operation and fault operating status.process using matlab programming simulation and debugging in the laboratory, the error curve is basically in line with the expectations raised. the results show that the bp

8、neural network algorithm can be effectively used in fault diagnosis of low-pass filter.keywords: bp neural network; fault diagnosis; low-pass filter目 錄摘 要i第1章 緒論11.1 課題研究背景及意義11.2 課題的發(fā)展及研究現(xiàn)狀11.3 本文主要的研究內(nèi)容3第2章 低通濾波器工作原理和性能指標(biāo)42.1濾波器的分類及基本結(jié)構(gòu)42.2低通濾波器工作原理62.3低通濾波器的主要參數(shù)與主要特性指標(biāo)72.3.1 低通濾波器的主要參數(shù)（definition

9、s)72.3.2濾波器的主要特性指標(biāo)8第3章 低通濾波器故障分析和故障診斷系統(tǒng)設(shè)計(jì)103.1低通濾波器故障診斷基本思想103.2神經(jīng)網(wǎng)絡(luò)故障診斷133.2.1神經(jīng)網(wǎng)絡(luò)基本原理143.2.2 bp網(wǎng)絡(luò)用于故障診斷的基本思想163.3樣本集的構(gòu)造163.3.1故障劃分173.3.2訓(xùn)練樣本的獲取183.3.3 輸入、輸出模式的確定193.3.4選取有效采樣點(diǎn)的故障特征提取方法213.3.5 網(wǎng)絡(luò)數(shù)據(jù)的預(yù)處理213.4 bp神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)22第4章 基于bp神經(jīng)網(wǎng)絡(luò)的低通濾波器故障診斷實(shí)例284.1 開發(fā)工具的選擇284.2基于matlab的bp神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)284.3故障診斷實(shí)例32第5章 總結(jié)

10、39參考文獻(xiàn)41謝 辭43第1章 緒論1.1 課題研究背景及意義隨著科學(xué)技術(shù)的發(fā)展，機(jī)械設(shè)備越來越復(fù)雜，自動化水平越來越高，設(shè)備運(yùn)行中的任何故障或失效不僅會造成更大的經(jīng)濟(jì)損失，甚至還可能導(dǎo)致人員傷亡。通過對設(shè)備工況進(jìn)行檢測，對故障發(fā)展趨勢進(jìn)行早期診斷，找出故障原因，采取措施避免設(shè)備突然損壞，使之安全經(jīng)濟(jì)地運(yùn)轉(zhuǎn)，在現(xiàn)代工業(yè)生產(chǎn)中起著重要的作用。開展故障診斷技術(shù)的研究具有重要的現(xiàn)實(shí)意義1。濾波器是一種由電路元件相互連接構(gòu)成的選頻網(wǎng)絡(luò)。它可以讓指定頻段的信號通過，而對其他頻段的信號起到衰減作用，廣泛應(yīng)用于通信、航空航天、自動控制等領(lǐng)域，隨著通信系統(tǒng)和計(jì)算機(jī)技術(shù)的發(fā)展對濾波器更是提出了更高要求2。在所

11、有的電子部件中，使用最多，技術(shù)最為復(fù)雜的要算濾波器了，濾波器的優(yōu)劣直接決定產(chǎn)品的優(yōu)劣，對濾波器的故障診斷提出了更高的要求。因?yàn)樵谝粋€(gè)復(fù)雜的系統(tǒng)中，一個(gè)細(xì)微的單獨(dú)故障就足以使整個(gè)系統(tǒng)失效。1.2 課題的發(fā)展及研究現(xiàn)狀故障診斷（fd,fault diagnosis）始于機(jī)械設(shè)備故障診斷3?，F(xiàn)代設(shè)備技術(shù)水平和復(fù)雜度不斷提高，設(shè)備故障對生產(chǎn)的影響也顯著增加，因此要保證設(shè)備可靠、有效地運(yùn)行，充分發(fā)揮其效益，必須發(fā)展故障診斷技術(shù)。 故障診斷技術(shù)借助于現(xiàn)代測試、監(jiān)控和計(jì)算機(jī)分析等手段，研究設(shè)備在運(yùn)行中或相對靜止條件下的狀態(tài)信息，分析設(shè)備的技術(shù)狀態(tài)，診斷其故障的性質(zhì)和起因，并預(yù)測故障趨勢，進(jìn)而確定必要的對策。

12、利用故障診斷技術(shù)可以早發(fā)現(xiàn)故障征兆和原因，有利于及早排除故障的安全隱患，避免不必要的損失，因而具有很高的經(jīng)濟(jì)和社會效益4。隨著現(xiàn)代工業(yè)科技技術(shù)的迅速發(fā)展，生產(chǎn)設(shè)備日趨大型化、高速化、自動化和智能化，系統(tǒng)的安全性、可靠性進(jìn)和有效性日益變得重要和復(fù)雜，因而故障診斷技術(shù)愈來愈受到人們的重視，已成為國際的熱點(diǎn)研究方向之一5。 故障診斷技術(shù)是近30年來國內(nèi)外發(fā)展較快的一門新興學(xué)科，最早開展故障診斷技術(shù)研究的是美國，日本、英國、瑞典、挪威、丹麥等國緊隨其后，早在1967年，美國就成立了機(jī)械故障診斷預(yù)防小組（mfpg），并成功地將故障診斷運(yùn)用于航天、航空、軍事等行業(yè)的故障設(shè)備中6。故障診斷技術(shù)在我國起源于2

13、0世紀(jì)70年代末，經(jīng)近40年代的發(fā)展在鋼鐵、煉鋁、水力發(fā)電、發(fā)電機(jī)組等行業(yè)內(nèi)故障診斷技術(shù)也開始得到重視與應(yīng)用，并呈現(xiàn)出上升趨勢。 故障診斷技術(shù)自身的發(fā)展過程7，大致可以歸納為3個(gè)階段： (1) 離線的fft分析儀階段20世紀(jì)80年代初、中期，通過磁帶記錄儀到現(xiàn)場記錄振動信號，然后回實(shí)驗(yàn)室輸入fft分析回放，進(jìn)行頻譜分析，只有功率譜及波形，少數(shù)配置雙通道時(shí)才能看到軸心軌跡，分析方法單一?；旧现荒懿榉?，頻率。(2) 離線或在線的計(jì)算機(jī)輔助檢測、診斷階段 20世紀(jì)80年代末期至90年代中期，通過計(jì)算機(jī)完成信息采集、信號分析、數(shù)據(jù)庫管理、甚至給出診斷結(jié)論，有各種圖譜，分析方法多樣，更加注重幅值、頻

14、率、相位信息的全面、綜合利用，同時(shí)涌現(xiàn)出專家輔助診斷系統(tǒng)。(3) 20世紀(jì)90年代末以來，充分利用企業(yè)內(nèi)部局域網(wǎng)和internet網(wǎng)絡(luò)，做到資源共享、節(jié)省投資、遠(yuǎn)程診斷，所監(jiān)測的參數(shù)不再局限于振動，軸相位，轉(zhuǎn)速，進(jìn)一步擴(kuò)展到流量、壓力、溫度等工藝過程量，對設(shè)備運(yùn)行狀態(tài)的把握更加全面、準(zhǔn)確，實(shí)現(xiàn)了現(xiàn)實(shí)意義上的專家遠(yuǎn)程診斷，有專家預(yù)言：基于人工智能的故障診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡(luò)理論的診斷系統(tǒng)將是故障診斷技術(shù)進(jìn)一步發(fā)展的方向。近年來，隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的理論逐漸成熟，為低通濾波器的故障診斷提供了新的方法和研究8。低通濾波器的故障診斷研究能及時(shí)地，正確地對各種異常狀態(tài)或故障做出診斷預(yù)防或消除故

15、障，對設(shè)備的運(yùn)行進(jìn)行必要的指導(dǎo)，提高設(shè)備運(yùn)行的可靠性、安全性和有效性，以期把故障損失降低到最低水平。1.3 本文主要的研究內(nèi)容熟悉低通濾波器的作用、類型和分類，確定低通濾波器應(yīng)用到具體的電路中，熟悉低通濾波器在電路中起到的作用。分析哪些因素的變化可能引起低通濾波器發(fā)生故障，對低通濾波器發(fā)生的故障進(jìn)行分析，確定故障類型，并對故障數(shù)據(jù)進(jìn)行整理和計(jì)算。用神經(jīng)網(wǎng)絡(luò)的方法建立低通濾波器的故障診斷系統(tǒng)。根據(jù)bp神經(jīng)網(wǎng)絡(luò)的工作原理，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的結(jié)構(gòu)、具體層數(shù)、輸入、輸出的節(jié)點(diǎn)數(shù)及每層的函數(shù)。用matlab對過程進(jìn)行編程仿真，并在實(shí)驗(yàn)室進(jìn)行調(diào)試。利用神經(jīng)網(wǎng)絡(luò)建立過程數(shù)據(jù)與故障類型之間的對應(yīng)關(guān)系，

16、辨識出系統(tǒng)的正常運(yùn)行狀態(tài)與故障運(yùn)行狀態(tài)。第2章 低通濾波器工作原理和性能指標(biāo) 濾波器（filter）是一種用來消除干擾雜訊的器件，將輸入或輸出經(jīng)過過濾而得到純凈的直流電9。對特定頻率的頻點(diǎn)或該頻點(diǎn)以外的頻率進(jìn)行有效濾除的電路，就是濾波器，其功能就是得到一個(gè)特定頻率或消除一個(gè)特定頻率。濾波器是一種對信號有處理作用的器件或電路。濾波器中，把信號能夠通過的頻率范圍，稱為通頻帶或通帶；反之，信號受到很大衰減或完全被抑制的頻率范圍稱為阻帶；通帶和阻帶之間的分界頻率稱為截止頻率；理想濾波器在通帶內(nèi)的電壓增益為常數(shù)，在阻帶內(nèi)的電壓增益為零；實(shí)際濾波器的通帶和阻帶之間存在一定頻率范圍的過渡帶。2.1濾波器的分

17、類及基本結(jié)構(gòu)濾波器的類型很多為適應(yīng)不同的使用目的和工作條件，通常濾波器的不同用途、不同頻段、不同濾波特性、不同元器件等等進(jìn)行分類，以滿足不同行業(yè)對濾波器的需求。1.按濾波器所通過信號的頻段分類按濾波器所通過信號的頻段分類，濾波器可分為低通、高通、帶通和帶阻濾波器四種。(1) 低通濾波器：它允許信號中的低頻或直流分量通過，抑制高頻分量或干擾和噪聲。(2) 高通濾波器：它允許信號中的高頻分量通過，抑制低頻或直流分量。(3) 帶通濾波器：它允許一定頻段的信號通過，抑制低于或高于該頻段的信號、干擾和噪聲。(4) 帶阻濾波器：它抑制一定頻段內(nèi)的信號，允許該頻段以外的信號通過。 2.根據(jù)組成電路的不同分類

18、 根據(jù)組成電路的不同，濾波器還可分為：lc無源濾波器、rc無源濾波器、特殊元件構(gòu)成的無源濾波器、rc有源濾波器。(1) lc無源濾波器：由電感和電容構(gòu)成，具有良好的頻率選擇特性，并且信號能量損失小、噪聲低、靈敏度低。缺點(diǎn)：電感元件體積大不便于集成化、在低頻和超低頻范圍內(nèi)品質(zhì)因數(shù)低（頻率選擇性差）。(2) rc無源濾波器:與lc無源濾波器相比，用電阻取代了電感，解決了體積大的缺陷，但此類濾波器的頻率選擇特性比較差，一般只用作低性能的濾波器。3.按通帶濾波特性分類按通帶濾波特性分類，有源濾波器可分為：最大平坦型（巴特沃思型）濾波器、等波紋型（切比雪夫型）濾波器等。(1) 巴特沃思響應(yīng)能夠最大化濾波

19、器的通帶平坦度。該響應(yīng)非常平坦，非常接近dc信號，然后慢慢衰減至截止頻率點(diǎn)為-3db，最終逼近-20ndb/decade的衰減率，其中n為濾波器的階數(shù)。巴特沃思濾波器特別適用于低頻應(yīng)用，其對于維護(hù)增益的平坦性來說非常重要。 (2) 在一些應(yīng)用當(dāng)中，最為重要的因素是濾波器截?cái)嗖槐匾盘柕乃俣?。如果你可以接受通帶具有一些紋波，就可以得到比巴特沃斯濾波器更快速的衰減。 4.按所采用的元器件分類 按所采用的元器件分為無源和有源濾波器兩種:(1) 無源濾波器： 僅由無源元件(r、l 和c)組成的濾波器，它是利用電容和電感元件的電抗隨頻率的變化而變化的原理構(gòu)成的。這類濾波器的優(yōu)點(diǎn)是：電路比較簡單，不需要直

20、流電源供電，可靠性高；缺點(diǎn)是：通帶內(nèi)的信號有能量損耗，負(fù)載效應(yīng)比較明顯，使用電感元件時(shí)容易引起電磁感應(yīng)，當(dāng)電感l(wèi)較大時(shí)濾波器的體積和重量都比較大，在低頻域不適用。(2) 有源濾波器：由無源元件(一般用r和c)和有源器件(如集成運(yùn)算放大器）組成。這類濾波器的優(yōu)點(diǎn)是：通帶內(nèi)的信號不僅沒有能量損耗，而且還可以放大，負(fù)載效應(yīng)不明顯，多級相聯(lián)時(shí)相互影響很小，利用級聯(lián)的簡單方法很容易構(gòu)成高階濾波器，并且濾波器的體積小、重量輕、不需要磁屏蔽(由于不使用電感元件）；缺點(diǎn)是：通帶范圍受有源器件(如集成運(yùn)算放大器）的帶寬限制，需要直流電源供電，可靠性不如無源濾波器高，在高壓、高頻、大功率的場合不適用。2.2低通濾

21、波器工作原理 圖2.1簡單的低通濾波器電路圖 低通濾波器容許低頻信號通過, 但減弱(或減少)頻率高于截止頻率的信號的通過。低通濾波器是一個(gè)通過低頻信號而衰減或抑制高頻信號的部件。理想濾波器電路的頻響在通帶內(nèi)應(yīng)具有一定幅值和線性相移，而在阻帶內(nèi)其幅值應(yīng)為零。但實(shí)際濾波器不能達(dá)到理想要求。一般來說，濾波器的幅頻特性越好，其相頻特性越差，反之亦然。濾波器的階數(shù)越高，幅頻特性衰減的速率越快，但rc網(wǎng)絡(luò)節(jié)數(shù)越多，元件參數(shù)計(jì)算越繁瑣，電路的調(diào)試越困難。任何高階濾波器都可由一階和二階濾波器級聯(lián)而成。對于為偶數(shù)的高階濾波器，可以由 節(jié)二階濾波器級聯(lián)而成；而為奇數(shù)的高階濾波器可以由節(jié)二階濾波器和一節(jié)一階濾波器級

22、聯(lián)而成，因此一階濾波器和二階濾波器是高階濾波器的基礎(chǔ)。2.3低通濾波器的主要參數(shù)與主要特性指標(biāo)2.3.1 低通濾波器的主要參數(shù)（definitions) 中心頻率（center frequency）： 濾波器通帶的中心頻率，一般取 =（+ ）/2，、 為帶通或帶阻濾波器左、右相對下降1db或3db邊頻點(diǎn)。窄帶濾波器常以插損最小點(diǎn)為中心頻率計(jì)算通帶帶寬。截止頻率（cutoff frequency）：指低通濾波器的通帶右邊頻點(diǎn)及高通濾波器的通帶左邊頻點(diǎn)。通常以1db或3db相對損耗點(diǎn)來標(biāo)準(zhǔn)定義。相對損耗的參考基準(zhǔn)為：低通以dc處插損為基準(zhǔn)，高通則以未出現(xiàn)寄生阻帶的足夠高通帶頻率處插損為基準(zhǔn)。通帶帶

23、寬（bwxdb）：指需要通過的頻譜寬度，bwxdb=（-）。、為以中心頻率f0處插入損耗為基準(zhǔn)，下降x（db）處對應(yīng)的左、右邊頻點(diǎn)。通常用x=3、1、0.5 即bw3db、bw1db、bw0.5db 表征濾波器通帶帶寬參數(shù)。分?jǐn)?shù)帶寬（fractional bandwidth）=bw3db/f0100%，也常用來表征濾波器通帶帶寬。 插入損耗（insertion loss）：由于濾波器的引入對電路中原有信號帶來的衰耗，以中心或截止頻率處損耗表征，如要求全帶內(nèi)插損需強(qiáng)調(diào)。紋波（ripple）：指1db或3db帶寬（截止頻率）范圍內(nèi)，插損隨頻率在損耗均值曲線基礎(chǔ)上波動的峰-峰值。帶內(nèi)波動（passb

24、and riplpe）：通帶內(nèi)插入損耗隨頻率的變化量。1db帶寬內(nèi)的帶內(nèi)波動是1db。帶內(nèi)駐波比（vswr）：衡量濾波器通帶內(nèi)信號是否良好匹配傳輸?shù)囊豁?xiàng)重要指標(biāo)。理想匹配vswr=1：1，失配時(shí)vswr1。對于一個(gè)實(shí)際的濾波器而言，滿足vswr1.5：1的帶寬一般小于bw3db，其占bw3db的比例與濾波器階數(shù)和插損相關(guān)。回波損耗（return loss）：端口信號輸入功率與反射功率之比的分貝（db）數(shù)，也等于|，為電壓反射系數(shù)。輸入功率被端口全部吸收時(shí)回波損耗為無窮大。阻帶抑制度：衡量濾波器選擇性能好壞的重要指標(biāo)。該指標(biāo)越高說明對帶外干擾信號抑制的越好。通常有兩種提法：一種為要求對某一給定帶

25、外頻率fs抑制多少db，計(jì)算方法為fs處衰減量as-il；另一種為提出表征濾波器幅頻響應(yīng)與理想矩形接近程度的指標(biāo)矩形系數(shù)（kxdb1），kxdb=bwxdb/bw3db，（x可為40db、30db、20db等）。濾波器階數(shù)越多矩形度越高即k越接近理想值1，制作難度當(dāng)然也就越大。延遲（td）：指信號通過濾波器所需要的時(shí)間，數(shù)值上為傳輸相位函數(shù)對角頻率的導(dǎo)數(shù)，即td=df/dv。帶內(nèi)相位線性度：該指標(biāo)表征濾波器對通帶內(nèi)傳輸信號引入的相位失真大小。按線性相位響應(yīng)函數(shù)設(shè)計(jì)的濾波器具有良好的相位線性度，但頻率選擇性很差，限于脈沖、或調(diào)相信號傳輸系統(tǒng)應(yīng)用。2.3.2濾波器的主要特性指標(biāo) 1、特征頻率： 通

26、帶截頻fp=wp/(2p)為通帶與過渡帶邊界點(diǎn)的頻率，在該點(diǎn)信號增益下降到一個(gè)人為規(guī)定的下限。 阻帶截頻fr=wr/(2p)為阻帶與過渡帶邊界點(diǎn)的頻率，在該點(diǎn)信號衰耗(增益的倒數(shù))下降到一人為規(guī)定的下限。 轉(zhuǎn)折頻率fc=wc/(2p)為信號功率衰減到1/2(約3db)時(shí)的頻率，在很多情況下，常以fc作為通帶或阻帶截頻。2、增益與衰耗濾波器在通帶內(nèi)的增益并非常數(shù)。 對低通濾波器通帶增益kp一般指w=0時(shí)的增益；高通指w時(shí)的增益；帶通則指中心頻率處的增益。 對帶阻濾波器，應(yīng)給出阻帶衰耗，衰耗定義為增益的倒數(shù)。 通帶增益變化量kp指通帶內(nèi)各點(diǎn)增益的最大變化量，如果kp以db為單位，則指增益db值的變

27、化量。3、阻尼系數(shù)與品質(zhì)因數(shù)阻尼系數(shù)是表征濾波器對角頻率為信號的阻尼作用，是濾波器中表示能量衰耗的一項(xiàng)指標(biāo)。阻尼系數(shù)的倒數(shù)稱為品質(zhì)因數(shù)，是低階帶通與帶阻濾波器頻率選擇特性的一個(gè)重要指標(biāo)，q= /。式中的w為帶通或帶阻濾波器的3db帶寬，為中心頻率，在很多情況下中心頻率與固有頻率相等。4、靈敏度濾波電路由許多元件構(gòu)成，每個(gè)元件參數(shù)值的變化都會影響濾波器的性能。濾波器某一性能指標(biāo)y對某一元件參數(shù)x變化的靈敏度記作sxy，定義為： sxy=(dy/y)/(dx/x)。該靈敏度與測量儀器或電路系統(tǒng)靈敏度不是一個(gè)概念，該靈敏度越小，標(biāo)志著電路容錯(cuò)能力越強(qiáng)，穩(wěn)定性也越高。5、群時(shí)延函數(shù)當(dāng)濾波器幅頻特性滿足

28、設(shè)計(jì)要求時(shí)，為保證輸出信號失真度不超過允許范圍，對其相頻特性(w)也應(yīng)提出一定要求。在濾波器設(shè)計(jì)中，常用群時(shí)延函數(shù)d(w)/dw價(jià)信號經(jīng)濾波后相位失真程度。群時(shí)延函數(shù)d(w)/dw越接近常數(shù)，信號相位失真越小。第3章 低通濾波器故障分析和故障診斷系統(tǒng)設(shè)計(jì)3.1低通濾波器故障診斷基本思想通濾波器電路發(fā)生故障，就不能達(dá)到設(shè)計(jì)時(shí)所規(guī)定的功能和指標(biāo)。低通濾波器故障診斷的主要任務(wù)是在已知網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、輸入激勵(lì)信號(也可自激勵(lì)信號)和故障下的響應(yīng)時(shí)(有時(shí)可能還已知部分元器件的參數(shù))，求解故障元件的物理位置和參數(shù)。下面對低通濾波器故障產(chǎn)生的原因、故障特征、故障類型、故障診斷的范疇進(jìn)行簡單的介紹。1.故障產(chǎn)

29、生原因 濾波器產(chǎn)生故障的原因主要來自設(shè)計(jì)、制造和使用三方面。一部分故障是由于設(shè)計(jì)不當(dāng)而引起的，另一些故障是由于制造工藝的缺陷而造成的，還有一些故障則是在長期的使用過程中由于元器件磨損、老化、疲勞等原因造成的。2.故障特征 電路發(fā)生故障時(shí)，其特征與正常狀態(tài)相比有所變化，引入故障特征的概念足為了表示這種變化。故障特征可以有各種不同的表現(xiàn)形式，比如可以是電路在不同時(shí)間、間隔或不同頻率下的輸入輸出信號；也可以是電路節(jié)點(diǎn)上或電路的外部連接點(diǎn)上的交流或直流電壓。此外，還有電路的紅外特征，即以電路元器件發(fā)生故障前后表面溫度的變化作為特征量。3.故障類型(1) 濾波器電容器的不平衡故障單只電容中有很多熔絲，它

30、們對與其串聯(lián)的小電容其過流保護(hù)作用。當(dāng)流過單只電容的電流長時(shí)間過負(fù)荷時(shí)，會導(dǎo)致電容中的熔絲燒斷（熔絲的燒斷與其自身的老化也有關(guān)系）。例如電容器的第一層發(fā)生故障，電容器的第一層減少了一個(gè)電容分支，使得第一層的其它電容分支的電流會增大，那么就使得其它電容分支出現(xiàn)過負(fù)荷，其分支的熔絲更容易被燒斷，同時(shí)分支小電容承受的電壓也變大5。當(dāng)?shù)谝粚又斜粺龜嗟娜劢z達(dá)到一定數(shù)量時(shí)，非故障分支中的電流已經(jīng)很大，使得其分支熔絲被快速燒斷，最終使得第一層的全部熔絲都燒斷，第一層的放電電阻過電壓擊穿，將第一層短路。這種分支熔絲快速燒斷，導(dǎo)致電容層被擊穿的現(xiàn)象可以稱為“雪崩效應(yīng)”10。(2) 過電壓和過電流 隨著電力電子技

31、術(shù)的飛速發(fā)展,各種功率開關(guān)器件以及其他非線性負(fù)載得到了廣泛的應(yīng)用,一方面給電能的變換帶來了方便并提高了變換的效率;另一方面也導(dǎo)致諧波大量的注入電網(wǎng),即電力污染;而現(xiàn)代社會對于電能質(zhì)量的要求也越來越高。低通濾波器被應(yīng)用到諧波電路中，用來抑制電網(wǎng)諧波。諧波對電力系統(tǒng)中補(bǔ)償電容器組造成影響。諧波能夠引起電網(wǎng)局部的串聯(lián)或并聯(lián)諧振,從而使諧波放大,造成危險(xiǎn)的過電壓或過電流,這往往導(dǎo)致電氣元件及設(shè)備損壞,影響電力系統(tǒng)安全運(yùn)行。(3) 并聯(lián)諧振 諧波電路中，母線處系統(tǒng)和電容器可能發(fā)生并聯(lián)諧振，造成諧波放大使濾波器不能安全工作7。這濾波器的實(shí)際參數(shù)和設(shè)計(jì)參數(shù)差值過大，實(shí)際參數(shù)和設(shè)計(jì)值的誤差超過設(shè)計(jì)允許值，從而

32、和系統(tǒng)發(fā)生并聯(lián)諧振。防止并聯(lián)諧振的方法只需對濾波器進(jìn)行參數(shù)調(diào)整，并慎重調(diào)試和投運(yùn)。(4) 硬故障和軟故障 低通濾波器故障類型從元件的角度包括兩大類：軟故障、硬故障低通濾波器故障也可分為結(jié)構(gòu)性故障和參數(shù)性故障。結(jié)構(gòu)性故障包括電容、電感、電阻以及各開關(guān)器件的開路與短路，其主要表現(xiàn)為各元件尤其是功率器件的損壞而造成主電路結(jié)構(gòu)改變。發(fā)生偏移以及開關(guān)管的性能劣化，它會造成裝置特性嚴(yán)重偏離正常特性。參數(shù)型故障包括電容、電感、電阻等器件的參數(shù)發(fā)軟故障 、偏差故障，即元件做參數(shù)隨時(shí)間或環(huán)境條件而偏移，并超過了該元件參數(shù)的容差范圍。對每個(gè)電器元件來說，它的故障模式分為硬故障與軟故障。硬故障指電器元件的開路與短路

33、。軟故障指電器元件沒有發(fā)生開路與短路，但它的大小偏離了正常范圍，從而造成了電路偏離正常特性。在實(shí)際電路中，硬故障約占電路故障的80%，其中5060%是電阻開路、電容和晶體管的短路與開路。以上各種故障類型是從不同角度加以分類的，需要注意的是，電路中實(shí)際發(fā)生的故障可同時(shí)屬于其中的一類或幾類，即為混合型故障。在了解了低通濾波器電路故障診斷的幾個(gè)基本概念之后，故障診斷的基本思想可以表述為：被測對象全部可能發(fā)生的狀態(tài)，包括正常狀態(tài)和故障狀態(tài)，組成狀態(tài)空問，提取可測量形成的故障特征的全部可能范圍形成特征空問。當(dāng)系統(tǒng)處于某一狀態(tài)s時(shí)，它將具有確定的特征y，存在著映射反之，一定的系統(tǒng)特征也對應(yīng)確定的狀態(tài)，即亦

34、存在映射。如果f和g是雙射函數(shù)，即特征空間和狀態(tài)空間存在一對一的全映射，則由特征向量可惟一地確定系統(tǒng)的狀態(tài)。所以故障診斷的日的在于根據(jù)可測量的特征向量判斷系統(tǒng)處于何種狀態(tài)，即故障診斷的任務(wù)是找到映射。表現(xiàn)在對實(shí)際電路的故障診斷過程中，故障診斷的目的有故障檢測、故障定位和故障辨識之分：(1) 故障檢測：根據(jù)所采集到的數(shù)據(jù)以及已知的電路結(jié)構(gòu)與標(biāo)稱參數(shù)，判斷電路是否存在故障，不能確定故障元件的位置和參數(shù)，較容易實(shí)現(xiàn)。(2) 故障定位：在已檢測到電路存在故障的前提下，確定存在的故障數(shù)目及各故障元件在電路中的物理位置。(3) 故障辨識：對于故障辨識的要求是準(zhǔn)確而唯一，這也是目前故障診斷中的主要任務(wù)，因此

35、對它的研究最多，但難度也最大，故障辨識也稱為故障診斷(fault diagnosis)。本文所研究的是由于低通濾波器設(shè)計(jì)方面的軟故障，所以下文中介紹的情況都是以軟故障為代表的。4.故障診斷的作用(1) 在事故發(fā)生前進(jìn)行預(yù)報(bào)，有效的防止事故的發(fā)生和擴(kuò)大。(2) 在發(fā)生故障后能很快地確定故障發(fā)生的具體位置，方便檢修，大大的縮短了故障的檢修時(shí)間。(3) 能提高設(shè)備的管理水平，預(yù)測故障并進(jìn)行維修。(4) 對于設(shè)備設(shè)計(jì)制造水平的提高和產(chǎn)品質(zhì)量的改善有指導(dǎo)性的作用。3.2神經(jīng)網(wǎng)絡(luò)故障診斷基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷原理如圖3.1所示。包括兩個(gè)工作過程，即訓(xùn)練過程(學(xué)習(xí)過程，圖中虛線所示的過程)和測試過程

36、(診斷過程，圖中實(shí)線所示的過程)。即首先對無故障電路和各故障電路進(jìn)行仿真，從模擬電路的輸出響應(yīng)信號中提取電路的故障特征，然后對特征數(shù)據(jù)進(jìn)行預(yù)處理，形成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，再構(gòu)造神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及學(xué)習(xí)算法，用訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)。當(dāng)診斷故障的時(shí)候，對被測電路施加同樣的激勵(lì)，提取相應(yīng)的故障特征，輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)將對被診斷電路的各種故障進(jìn)行分類。圖3.1 基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷原理圖3.2.1神經(jīng)網(wǎng)絡(luò)基本原理 神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元，它是對生物神經(jīng)元的簡化與模擬。神經(jīng)元的特在某種程度上決定了神經(jīng)網(wǎng)絡(luò)的總體特性，大量的簡單的神經(jīng)元的互相連結(jié)即構(gòu)成了神經(jīng)網(wǎng)絡(luò)。一個(gè)典型的

37、具有r維輸入的神經(jīng)元模型如圖3.2 所示。 ab1(1,1)(1,r)p(1)p(2)p(r) 圖3.2 神經(jīng)元模型 由圖3.2所示，一個(gè)典型的神經(jīng)元模型主要由以下五部分組成：（1）輸入：代表神經(jīng)元r個(gè)輸入。在matlab中，輸入可以用一個(gè)維的列矢量來表示（其中t表示取轉(zhuǎn)置） （3.1）（2）網(wǎng)絡(luò)權(quán)值和閾值：代表網(wǎng)絡(luò)權(quán)值，表示輸入與神經(jīng)元之間的連接強(qiáng)度，為神經(jīng)元閾值，可以看作是一個(gè)輸入恒為1的網(wǎng)絡(luò)權(quán)值。在matlab中神經(jīng)元的網(wǎng)絡(luò)權(quán)值可以用一個(gè)的行矢量來表示。 （3.2）閾值為的標(biāo)量。注意：網(wǎng)絡(luò)權(quán)值和閾值都是可以調(diào)節(jié)的，這是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特性的基本內(nèi)容之一。求和單元完成對輸入信號的加權(quán)求和，即：

38、 （3.3）這是神經(jīng)元對輸入信號處理的第一個(gè)過程。在matlab語言中，該過程可以通過輸入矢量和權(quán)值矢量的點(diǎn)積形式加以描述，即： （3.4）（4）傳遞函數(shù)：在表3.1中f表示神經(jīng)元的傳遞函數(shù)或激發(fā)函數(shù)，它用于對求和單元的計(jì)算結(jié)果進(jìn)行函數(shù)運(yùn)算，得到神經(jīng)元的輸出。表3.1給出了幾種典型的神經(jīng)元傳遞函數(shù)形式及描述。表3.1幾種典型的神經(jīng)元傳遞函數(shù)形式傳遞函數(shù)的名稱函數(shù)表達(dá)式函數(shù)曲線matlab函數(shù)a=hardlim(n)0a-1+1+1n閾值函數(shù)bardim線性函數(shù)a=purelin（)0a-1+1+1npurelin對數(shù)sigmoid函數(shù)a=logsig(n)0a-1+1+1nlogsig正切si

39、gmoid函數(shù)a=tansig(n)0a-1+1+1ntansig3.2.2 bp網(wǎng)絡(luò)用于故障診斷的基本思想bp網(wǎng)絡(luò)用于模擬電路故障診斷的基本思想為14：確定了電路的待測狀態(tài)集后，求電路處于其中一種狀態(tài)時(shí)的響應(yīng)(通常是測試點(diǎn)的電壓)必要的預(yù)處理，作為對應(yīng)狀態(tài)類的一個(gè)特征。對狀態(tài)集中的每一類狀態(tài)，都按上述方法獲取大量特征，并從中篩選出具有代表性的特征構(gòu)造訓(xùn)練樣本集。然后，用這些樣本訓(xùn)練與所求問題相對應(yīng)規(guī)模的bp網(wǎng)絡(luò)。bp網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)應(yīng)與特征向量的維數(shù)相同。輸出節(jié)點(diǎn)的維數(shù)等于待測故障狀態(tài)的類別數(shù)。在訓(xùn)練時(shí)，把狀態(tài)特征輸入到bp網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，要求網(wǎng)絡(luò)的輸出能正確指出電路狀態(tài)所屬類別。在做實(shí)際電

40、路診斷時(shí)，對被測電路施加與產(chǎn)生樣本時(shí)相同的激勵(lì)和工作條件，取得相應(yīng)特征，將此特征輸入到已訓(xùn)練好的bp網(wǎng)絡(luò)。由bp網(wǎng)絡(luò)的輸出判斷電路中是否有故障；如有，則定位故障。為了從最大程度上隔離和識別故障，采用多頻測試的方法。這時(shí)，從哪些頻率點(diǎn)提取故障特征成為首要問題，測試頻率選擇的好壞直接影響到對故障的分辨能力和診斷效果及樣本選擇。3.3樣本集的構(gòu)造樣本集的構(gòu)造是神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練的基礎(chǔ)，應(yīng)該包括兩部分：訓(xùn)練樣本集和測試樣本集。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練完后，需要有另外的測試數(shù)據(jù)來對網(wǎng)絡(luò)加以檢驗(yàn)，測試數(shù)據(jù)應(yīng)是獨(dú)立的數(shù)據(jù)集合。最簡單的方法是：將收集到的數(shù)據(jù)隨機(jī)地分成兩部分，譬如說其中三分之二用于網(wǎng)絡(luò)的訓(xùn)練，另外三分之

41、一用于將來的測試，隨機(jī)選取的目的是為了盡量減少這兩部分?jǐn)?shù)據(jù)的相關(guān)性。樣本數(shù)據(jù)的準(zhǔn)備工作是網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練的基礎(chǔ)，樣本數(shù)據(jù)選擇的科學(xué)合理性及數(shù)據(jù)表示的合理性對于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)具有極為重要的影響。數(shù)據(jù)準(zhǔn)備包括：原始數(shù)據(jù)的收集、數(shù)據(jù)分析、變量選擇等步驟。一個(gè)待建模系統(tǒng)的輸入-輸出就是神經(jīng)網(wǎng)絡(luò)的輸入-輸出序列。這些變量可能是事先確定的，也可能不夠明確，需要一番篩選。在模擬電路故障診斷系統(tǒng)中，故障特征值和故障模式構(gòu)成神經(jīng)網(wǎng)絡(luò)的輸入和輸出序列，亦即實(shí)現(xiàn)樣本集的構(gòu)造。3.3.1故障劃分 用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行模擬電路故障診斷，首先需要?jiǎng)澐止收夏Ｊ剑垣@取各個(gè)模式下的數(shù)據(jù)，用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而實(shí)現(xiàn)故障的診斷，即模

42、式的識別。本文主要針對電路的單軟故障進(jìn)行診斷，因此按照單軟故障進(jìn)行模式的劃分。傳統(tǒng)的模擬電路故障診斷的方法大都只能解決硬故障的診斷，難以發(fā)現(xiàn)在電路中的各個(gè)器件中存在類似電路及器件缺陷或緩慢失效之類的軟故障。而在日益龐大復(fù)雜的集成電路中，只要一個(gè)小小的電子器件發(fā)生一些參數(shù)變化，都有可能對整個(gè)電路的整體性能產(chǎn)生比較大的影響，從而影響復(fù)雜電路系統(tǒng)功能的正常發(fā)揮，進(jìn)一步影響了電路的可靠性能。由此可見，軟故障潛在的影響是比較大的。本文主要就是研究軟故障的診斷。由于軟故障是指元件參數(shù)超出正常的容差范圍，它是一個(gè)連續(xù)量，這在實(shí)現(xiàn)故障診斷時(shí)將十分困難。目前沒有什么規(guī)范可以依據(jù)，本文中我們將限定一個(gè)故障范圍進(jìn)行

43、診斷。若給定一個(gè)電路，其中有元器件電阻=10k，容差為10%，我們只考慮r1超出容差，但在標(biāo)稱值50內(nèi)變化的軟故障模式，即：(1) 當(dāng)9k,llk時(shí)，是在正常的容差范圍內(nèi)，此時(shí)即為正常模式；(2) 當(dāng)5k，9k時(shí)，小于正常值，發(fā)生了軟故障，但在標(biāo)稱值的-50內(nèi)變化，此時(shí)稱之為偏小故障模式，即；(3) 當(dāng)11,15k時(shí)，大于正常值，發(fā)生了軟故障，但在標(biāo)稱值的+50內(nèi)變化，此時(shí)稱之為偏大故障模式，即。在實(shí)際仿真中，需要把元器件參數(shù)值設(shè)置為各模式相對應(yīng)的要求參數(shù)范圍內(nèi)，用pspice軟件對電路進(jìn)行模擬分析，以獲取此模式下的故障特征，用來構(gòu)造樣本集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，達(dá)到模式識別的目的。本文有15種故障狀態(tài)

44、加上正常狀態(tài)共16種工作狀態(tài)。如表3.2。 表3.2電路故障類的正常值和故障值故障類故障值正常值故障類故障值正常值c10.0510.01r2170002320c20.020.01r350002200c30.0480.01r46001570c40.0310.01r61650010000r1578001800r7550010000r1616004840r82200440r183000010000r943002640r203750100003.3.2訓(xùn)練樣本的獲取訓(xùn)練樣本對 bp 網(wǎng)絡(luò)的應(yīng)用成敗至關(guān)重要，不合適的訓(xùn)練樣本不但會導(dǎo)致網(wǎng)絡(luò)的錯(cuò)誤映射關(guān)系，而且可能會使網(wǎng)絡(luò)的訓(xùn)練過程不收斂。從系統(tǒng)分析的角度

45、看，假設(shè) f 是一個(gè)無外界干擾、無隨機(jī)因素影響的理想封閉系統(tǒng)，x=（x1，x2,.xm）為系統(tǒng)輸入向量，y=（y1，y2,.,yn)為系統(tǒng)輸出向量，系統(tǒng)的輸入輸出關(guān)系y = fx，只有通過對已知樣本的訓(xùn)練來構(gòu)造網(wǎng)絡(luò)，在沒有其它判定條件的情況下，顯然只能認(rèn)為對已知樣本的擬合程度越高，強(qiáng)。然而，我們不可能無限制的增加樣本，這網(wǎng)絡(luò)對系統(tǒng)的擬合程度就越好，這使得訓(xùn)練樣本的選取變得十分重要。訓(xùn)練樣本越多，系統(tǒng)提供的信息就越多，我們對系統(tǒng)的認(rèn)識程度越高，網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練后對系統(tǒng)的模擬程度就越就要求盡量選取有代表性的樣本作為訓(xùn)練樣本。因此收集訓(xùn)練本應(yīng)遵循以下的一般原則11。 (1) 樣本應(yīng)當(dāng)具有代表性，盡可能

46、體現(xiàn)輸入輸出關(guān)系。在變壓器故障診斷中，有些故障發(fā)生的比率較高，相對的另一些故障發(fā)生的比率較低，在樣本中應(yīng)對這種情況加以反映，使訓(xùn)練好的 bp 網(wǎng)絡(luò)能正確映射輸入輸出關(guān)系； (2) 樣本應(yīng)當(dāng)具有廣泛性，樣本應(yīng)盡量提供多種情況下的輸入，并給出相應(yīng)的期望輸出，使訓(xùn)練出來的 bp 網(wǎng)絡(luò)具有較好的適應(yīng)能力； (3) 樣本應(yīng)當(dāng)具有緊湊性，以避免網(wǎng)絡(luò)學(xué)習(xí)過程收斂困難或不收斂以及訓(xùn)練出來的網(wǎng)絡(luò)產(chǎn)生錯(cuò)誤映射。 基于以上原則，在收集低通濾波器故障訓(xùn)練樣本時(shí)，考慮以下幾個(gè)方面的因素：(1) 訓(xùn)練樣本中各故障的百分比應(yīng)與實(shí)際低通濾波器故障發(fā)生的比率相當(dāng)；(2) 考慮到低通濾波器運(yùn)行中各種因素的影響，收集了有效的、具有

47、代表性的分析樣本，使樣本具有很好的廣泛性；(3) 經(jīng)過反復(fù)調(diào)試，最終選出幾組能反映出各種故障類型而不冗余的訓(xùn)練樣本。3.3.3 輸入、輸出模式的確定1. 輸入模式的確定 輸入量必須選擇那些對輸出影響大且能夠檢測或提取的變量，此外還要求各輸入變量之間互不相關(guān)或相關(guān)性很小，這是選擇輸入量的兩條基本準(zhǔn)則8。很多情況下，神經(jīng)網(wǎng)絡(luò)的輸入量無法直接獲得，常常需要用信號處理和特征提取技術(shù)從原始數(shù)據(jù)中提取能夠反映其特征的若干特征參數(shù)作為網(wǎng)絡(luò)的輸入。提取的方法與待解決的問題密切相關(guān)。bp神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷的應(yīng)用中，常常根據(jù)電路輸出響應(yīng)的波形特征來識別對應(yīng)的故障模式。這就涉及到故障特征提取方法研究，是低通

48、濾波器故障診斷的一個(gè)關(guān)鍵。而經(jīng)故障特征提取得到的數(shù)據(jù)向量有時(shí)由于各分量量綱的不同，如果直接作為輸入量構(gòu)造樣本集來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，會降低其收斂速度和精度。因此需要根據(jù)情況做一定的處理，如歸一化等，把數(shù)據(jù)量控制在一個(gè)小范圍內(nèi)，有利于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。2. 輸出模式的確定輸出量就是指訓(xùn)練神經(jīng)網(wǎng)絡(luò)期望的目標(biāo)輸出，和輸入量相對應(yīng)構(gòu)成訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本集，其確定方法比輸入量簡單的多。針對模擬電路故障診斷，一般而言，輸出量代表著故障診斷系統(tǒng)要實(shí)現(xiàn)的功能目標(biāo)，主要是分類問題的類別歸屬，體現(xiàn)出各個(gè)相對應(yīng)輸入量的故障模式。通常用“0-1”法來表示各個(gè)故障模式，0和1分別表示某一元器件的故障和正常狀態(tài)。例如某一待測模擬

49、電路，有、四種故障模式，則輸出向量的維數(shù)為4。按順序，有故障的元器件取0，無故障的都取1。即向量1，1，1，1表示電路的正常模式，而向量0，1，1，1、1，0，1，1、1，1，0，1、1，1，l，o分別表示、 、 故障模式。這些向量和其對應(yīng)模式下故障特征提取得到的輸入量一起構(gòu)成樣本集。表3.3 故障模式劃分故障模式輸入向量輸出向量故障類型c1309.6857 331.612 307.6589 336.3701 327.2374 314.60280 0 1 0 0 1f1c2218.4449 233.7022 217.0374 237.3229 231.1085 221.7530 0 1 0 1

50、 0f2c3153.1971 164.6042 152.6770 166.2406 161.3455 155.87990 0 1 0 1 1f3c4105.4395 114.6179 105.6890 114.7085 111.2242 108.67430 0 1 1 0 0f4r1572.2350 78.6145 72.5718 79.0001 76.1063 74.29170 0 1 1 0 1f5r1651.0778 55.5895 51.3160 55.8615 53.8153 52.53220 0 1 1 1 0f6r1833.9094 36.9017 34.1581 37.0807

51、 35.8323 34.73480 1 0 0 0 1f7r2023.9776 26.0935 24.1535 26.2200 25.3373 24.56120 1 0 0 1 0f8r215.501 5.8066 5.0852 6.1578 5.8451 5.64570 1 0 0 1 1f9r37.8108 8.1609 7.3379 8.6322 8.1413 7.86240 1 0 1 0 0f10r49.8561 9.6830 9.1063 11.2565 10.7385 9.55840 1 0 1 0 1f11r613.8075 12.3757 12.8676 14.2676 14

52、.5383 12.32020 1 0 1 1 0f12r714.6271 14.5589 14.5860 15.4562 15.3900 15.05771 0 0 0 0 1f13r814.4602 13.7310 14.5272 15.1151 15.5653 13.79721 0 0 0 1 0f14r921.6605 24.8623 21.9874 24.6309 22.8029 24.24591 0 0 0 1 1f15正常狀態(tài)19.1696 21.4972 19.4811 21.4317 20.4316 20.37381 0 0 1 0 0f03.3.4選取有效采樣點(diǎn)的故障特征提取方

53、法 提取故障特征是低通濾波器電路故障診斷方法研究的核心問題之一。從本質(zhì)上講，這種故障診斷方法相當(dāng)于模式識別，輸入量的特征越明顯越有利于網(wǎng)絡(luò)的訓(xùn)練和識別，因此，對電路故障癥狀信號信息進(jìn)行分析處理，得到合理的最能反應(yīng)故障模式分類的本質(zhì)特征比構(gòu)造神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更為重要。對于低通濾波器電路來說，其輸出響應(yīng)波形最能體現(xiàn)出各個(gè)故障模式的信息，因此，可以通過選擇幾個(gè)最能反映出波形曲線變化差異的采樣點(diǎn)，組成各個(gè)故障模式的特征向量。這種方法直觀、有效，操作起來也很容易實(shí)現(xiàn)。3.3.5 網(wǎng)絡(luò)數(shù)據(jù)的預(yù)處理 從理論上講，bp 網(wǎng)絡(luò)對其輸入無限制，因此對輸入變量也不必預(yù)處理。但是，輸入變量經(jīng)過預(yù)處理后，就使網(wǎng)絡(luò)訓(xùn)練一開始

54、各變量的重要性處于同等地位，就可防止采用 sigmoid 激活函數(shù)的bp網(wǎng)絡(luò)因凈輸入的絕對值過大而使神經(jīng)元飽和，繼而使權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)。對網(wǎng)絡(luò)輸出數(shù)據(jù)而言，大多數(shù)學(xué)習(xí)算法都是為了減少輸出層各神經(jīng)元輸出誤差的平方和，如果各輸出變量在數(shù)值上相差太大，那么那些輸出值大的神經(jīng)元的誤差是網(wǎng)絡(luò)誤差中的主要成分，從而得到算法的特別關(guān)照，致使那些數(shù)值較小的輸出變量的相對誤差較大。因此對網(wǎng)絡(luò)輸入輸出數(shù)據(jù)預(yù)處理很有必要。 歸一化由于網(wǎng)絡(luò)的各個(gè)輸入數(shù)據(jù)常常具有不同的物理意義和不同的量綱，歸一化使所有分量都在m1之間變化，從而使網(wǎng)絡(luò)訓(xùn)練一開始就給各輸入分量以同等重要的地位：bp網(wǎng)的神經(jīng)元均采用sigmoi

55、d轉(zhuǎn)移函數(shù)，變換后可防止因凈輸入的絕對值過大而使神經(jīng)元輸出飽和，繼而使權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)。為有效利用s型函數(shù)特性，對于數(shù)值型的學(xué)習(xí)樣本，要進(jìn)行歸一化處理。歸一化通常有兩種情況：一種常見的情況是，輸入神經(jīng)網(wǎng)絡(luò)各個(gè)輸入節(jié)點(diǎn)的原始數(shù)據(jù)是同源的，常常代表了時(shí)間間隔的取樣。例如電壓波形以一定的頻率采樣得到一定數(shù)目的采樣值成組的輸入網(wǎng)絡(luò)。在這種情況下，歸一化必須統(tǒng)一的進(jìn)行，這樣所有的值被歸一化成o和l之間的數(shù)。第二種常見的情況是，用不同種類的參數(shù)作為輸入，如電壓、持續(xù)時(shí)間、波形的尖峰參數(shù)等，還有可能是一些統(tǒng)計(jì)參數(shù)如標(biāo)準(zhǔn)方差、相關(guān)系數(shù)和k方檢驗(yàn)參數(shù)等等。這種情況對所有參數(shù)的歸一化會使網(wǎng)絡(luò)的訓(xùn)練失敗，要對