欧美成人黄色网_欧美精品久久_国产在线一区二区三区_免费视频久久久_亚洲二区视频_欧美大片免费高清观看

產品分類

當前位置: 首頁 > 傳感測量產品 > 工業傳感器 > 濁度傳感器

類型分類:
科普知識
數據分類:
濁度傳感器

容差模擬電路的軟故障診斷的小波方法

發布日期:2022-04-17 點擊率:96

   0 引言

  自20世紀70年代以來,模擬電路故障診斷領域已經取得了一定的研究成果,近年來,基于神經網絡技術的現代模擬電路軟故障診斷方法已成為新的研究熱點,神經網絡的泛化能力和非線性映射能力,使之能夠適用于解決模擬電路故障診斷中的容差和非線性問題,但在軟故障實際檢測中,由于不同的分類故障之間又不可避免地存在著模糊性,即不同的分類故障可能有相同或相近的故障特征向量,而這僅僅靠神經網絡的泛化能力是無法解決的。而量子神經網絡被認為是一種具有固有模糊性的網絡,它的隱層單元采用多量子能級變換函數,每個多能級變換函數是一系列具有量子間隔偏移的S型函數之和,能將決策的不確定性數據合理地分配到各類故障中,從而減少故障識別的不確定度,提高模式識別的準確性。

  文章提出了容差模擬電路軟故障診斷的小波與量子神經網絡方法,利用MonteCarlo分析解決電路容差問題,又利用小波分析,取其能反映故障信號特征的成分做為電路故障特征,再輸入給量子神經網絡。不僅解決了一個可測試點問題,并提高了辨識故障類別的能力,而且在網絡訓練之前,利用主元分析降低了網絡輸入維數。通過實驗可以看出,這種方法不僅能實現模擬電路單軟軟故障診斷,也能實現多軟軟故障診斷,實驗統計結果表明:故障診斷率為100%。

  1 主元分析

  主元分析即主成份分析(Principal Component Analysis,簡稱PCA),它是最古老的多元統計分析技術之一。主成份分析方法可以將數據從高維數據空間變換到低維特征空間,因而可以用于數據的特征提取及壓縮等方面。其實質是將研究對象的多個相關變量轉化為少數幾個不相關變量的一種多元統計方法。它基于Karhunen-Loeve分解,目的是在數據空間中找一組向量盡可能的解釋數據的方差,通過一個特殊的向量矩陣,將數據從原來的高維空間映射到一個低維向量空間,降維后保存了數據的主要信息,從而使數據更易于處理。

  2 小波分析

  小波變換的含義是:把一稱為基本小波的函數ψ(t)做位移τ后,再在不同尺度α下與待分析信號χ(t)做內積。


 3 量子神經網絡

  N.B.Karayiannis等人1997年提出多層激勵函數的量子神經網絡,這種量子神經網絡是3層的網狀結構,輸入層、隱層、輸出層,其中輸入層和輸出層與傳統神經網絡無異,而隱層的量子神經元借鑒了量子理論中量子態疊加的思想,采用多量子能級變換函數,每個多能級函數是一系列具有量子間隔 (Quantum Interval)偏移的ns,個Sigmoid函數的線性疊加,稱之為多層激勵函數。即隱層神經元。

的輸出可寫為
為量子躍遷位置,而量子間隔取決于躍遷位置。量子神經網絡的學習分兩步,一是對權值的調整,使輸人數據對應到不同的類空間中,二是對隱層的量子神經元的量子間隔進行調整,體現數據的不確定性。

  4 基于小波和量子神經網絡的故障診斷原理

  采用小波與量子神經網絡對模擬電路進行軟故障診斷的過程,與小波神經網絡對模擬電路進行軟故障的過程相似:首先將電路的各種故障狀態及正常態對應的理論值用PSpice仿真求出,然后用小波變換從輸出采樣信號中提取故障特征并對特征向量進行歸一化;最后是狀態識別和故障診斷。其結構如圖1所示:


診斷過程:

(1)構造特征向量,提取能量特征信息:在pspice中對電路的每一種狀態進行瞬時分析,取500個采樣點,并對每一種故障模式進行300次 MonteCarlo分析,在Probe窗口中選擇菜單View\output File,或直接在Probe內選擇菜單File\Export將波形采樣數據存盤,可得到out節點的具體信息,將數據轉化為MATLAB數據文件,然后進行小波分析,在實驗中,經分析與比較,小波選擇db2小波,對每個故障信號進行5尺度小波分解。得能量特征信息F=(ED5,ED4,…,ED1, EC5)。這里可利用MATLAB中的sumsqr函數。從而得到網絡的訓練樣本集和測試樣本集。300次MonteCarlo分析,其中200次為訓練樣本,100次為測試樣本。


(2)對測得的數據進行處理:在把小波分解系數序列能量輸入給神經網絡之前,為了加快網絡收斂,有必要對數據進行歸一化處理,這里利用MATLAB中的premnmx進行歸一化。

(3)確定量子與BP神經網絡結構和參數:利用文獻[3]中算法建立量子神經網絡。在實驗中,網絡的輸入節點數為小波分解系數序列能量個數,BP與QNN 均為6,QNN與自適應BP網絡均為3個輸出節點。隱層的選取及其它由設計者憑經驗和試驗次數自行決定。本文經過多次試驗,確定QNN與BP的隱層節點均為(15,15),QNN及BP的S型函數的斜率因子均設置為1.0,初始權值取為(-1,1)之間的隨機數,期望誤差為0.01,初始學習速率為0. 001,動量因子MC為0.90,QNN的隱層采用具有38個量子能級的量子神經元。在訓練之前,利用主元分析降低網絡輸入維數,主元分析在MATLAB 里用princomp函數。

下一篇: PLC、DCS、FCS三大控

上一篇: 索爾維全系列Solef?PV

推薦產品

更多
主站蜘蛛池模板: 亚洲国内自拍愉拍 | 亚洲乱搞 | 欧美国产日韩1区俺去了 | 国产一区二区三区在线视频 | 狠狠色噜噜狠狠狠狠97影音先锋 | 伊人99热| 大地资源在线观看中文免费 | 国产精品精品自在线拍 | 日本一区二区三区在线看 | 老司机在线精品视频免费看 | 色8久久人人97超碰香蕉987 | 男人扒女人添高潮视频 | 一级一片在线播放在线观看 | 国产精品亚洲二线在线播放 | 澳门四虎| 欧美精品专区免费观看 | 久久久久99精品成人片三人毛片 | 成人在线综合 | 一本大道无码日韩精品影视_ | 日韩在线观看中文字幕 | 自拍偷拍视频在线 | yy111111少妇无码理论片 | 插我一区二区在线观看 | 精品伊人久久香线蕉 | 人人色在线视频播放 | 成人免费在线视频 | 成年片色大黄全免费网站久久 | 人妻少妇乱子伦精品 | 国产精品区一区二区三在线播放 | 中文字幕在线播放第一页 | 在线成人综合色一区 | 大地资源在线观看免费下载 | 天天爽夜夜爽夜夜爽 | 99久热在线精品视频播 | a级毛片在线免费观看 | 精品国产香蕉伊思人在线 | 国产乱人伦av麻豆网 | 天天干夜夜夜操 | 300部国产真实乱 | 在线视频免费国产成人 | 一边添奶一边添p好爽视频 一插综合网 |