基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù)電路故障診斷的測試方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及電力設(shè)備檢測技術(shù)領(lǐng)域，尤其設(shè)及一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù) 電路故障診斷的測試方法。
【背景技術(shù)】
[0002] 本發(fā)明使用神經(jīng)網(wǎng)絡(luò)來構(gòu)造專家系統(tǒng)，即把傳統(tǒng)專家系統(tǒng)的基于符號的推理變成 基于數(shù)值計算的推理，W提高專家系統(tǒng)的執(zhí)行效率，并解決專家系統(tǒng)的自學(xué)習(xí)問題。

【發(fā)明內(nèi)容】

[0003]為克服現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù)電 路故障診斷的測試方法。其目的是提供一種可W大大簡化測試過程，節(jié)省測試時間和費用， 使工作效率得到顯著提高的一種測試方法。
[0004]為達到上述目的，本發(fā)明所采用的技術(shù)方案是：
[000引一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù)電路故障診斷的測試方法，是通過使用神經(jīng)網(wǎng) 絡(luò)來構(gòu)建專家系統(tǒng)的方式將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合，即把傳統(tǒng)專家系統(tǒng)的基于符號的推 理變成基于數(shù)值運算的推理，應(yīng)用于模數(shù)混合電路故障診斷，具體步驟包括ANNES知識庫的 組建、BP網(wǎng)絡(luò)建立和訓(xùn)練、推理及診斷;具體包括W下步驟：
[0006] 1)組建脂肥8知識庫：
[0007]ANNES知識庫的組建包括訓(xùn)練樣本獲取和知識存儲兩個過程，訓(xùn)練樣本獲取過程 如下：
[0008]訓(xùn)練樣本來源于同類診斷對象在不同狀態(tài)下的特征參數(shù);訓(xùn)練樣本的獲取需進行 如下處理:首先獲取到故障原始數(shù)據(jù);再對得到的故障樣本集進行簡化，W縮短神經(jīng)網(wǎng)絡(luò)的 訓(xùn)練時間；最后為解決容差帶來的電路可靠性問題，需進行混合電路最壞情況分析；
[0009]2)BP網(wǎng)絡(luò)建立和訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練完畢，即可將得到的各隱含神經(jīng)元和輸出神經(jīng)元 的權(quán)值和閥值W及輸入神經(jīng)元和隱含神經(jīng)元的權(quán)值和閥值存入一個數(shù)據(jù)文件，即專家系統(tǒng) 的知識庫，W在診斷過程中被調(diào)用；
[0010] 3)推理機:采用正向推理方向；
[0011] 4)診斷測試:進入診斷子程序，將已訓(xùn)練好的網(wǎng)絡(luò)作為知識庫讀入，根據(jù)系統(tǒng)提示 選擇診斷數(shù)據(jù)，依次輸入1、2、3、4、6點的瞬態(tài)響應(yīng)電壓值，輸入完畢后即可開始診斷；診斷 結(jié)束后將神經(jīng)網(wǎng)絡(luò)輸出送入結(jié)論子程序，判斷輸出有效性，系統(tǒng)給出結(jié)論;若輸出有效，若 輸出有效則系統(tǒng)調(diào)用解釋子程序?qū)υ摻Y(jié)論做出解釋;若無效，提示輸出越界，返回診斷子程 序重新開始。
[001引所述的組建AN肥S知識庫，W正常狀態(tài)瞬態(tài)響應(yīng)曲線為例，包括W下步驟：
[0013] 1)參數(shù)的獲取:對于混合電路，先用PSpice對電路進行瞬態(tài)響應(yīng)分析，得到電路在 各單故障狀態(tài)下的瞬態(tài)響應(yīng)曲線；
[0014] 為了得到輸入向量，我們將曲線按時間點"離散化"：將〇-4ms每隔0.5ms取電壓值， 每條曲線取8個點作為原始輸入數(shù)據(jù)，運些數(shù)據(jù)可直接在PSpice的數(shù)據(jù)文本中讀取，運樣即 得到故障原始數(shù)據(jù)；
[0015] 2)約簡故障樣本集:首先檢查故障原始數(shù)據(jù)中有無重復(fù)的記錄，有則合并同類項； 去掉對區(qū)分故障狀態(tài)無用的電壓值數(shù)據(jù)，在故障原始數(shù)據(jù)中，只需保留前4個點；
[0016] 3)混合電路最壞情況分析:通過最壞情況分析，取得電路在上下邊界狀態(tài)下的瞬 態(tài)響應(yīng)。
[0017] 所述的BP網(wǎng)絡(luò)的建立和訓(xùn)練：
[0018] (1)BP網(wǎng)絡(luò)的建立：W每組響應(yīng)征兆包含5個時間點數(shù)據(jù)、電路共有11種故障狀態(tài) 為例，考慮選用5輸入11輸出的網(wǎng)絡(luò)結(jié)構(gòu)，并令網(wǎng)絡(luò)的目標(biāo)輸出值為故障狀態(tài)對應(yīng)的二進制 代碼，即用0001表示1號狀態(tài)、0010表示2號狀態(tài)，運樣即用4個輸出層神經(jīng)元表示11種輸出 狀態(tài)，其后確定隱層神經(jīng)元:利用經(jīng)驗式：
[0019] m二中巧。奪《；
[0020] 其中：加、ni、n〇分別代表隱層、輸入層、輸出層神經(jīng)元的數(shù)目，1為1~10的整數(shù);采 用試湊法確定合適的隱層神經(jīng)元數(shù)目；
[0021] (2)BP網(wǎng)絡(luò)的訓(xùn)練:在建立了合適的BP網(wǎng)絡(luò)后，需要對BP網(wǎng)絡(luò)進行訓(xùn)練，找出輸入 與輸出間的聯(lián)系，使建立的網(wǎng)絡(luò)具有泛化功能;訓(xùn)練應(yīng)遵循W下規(guī)則：
[0022] ---學(xué)習(xí)速率取0~1之間，本例中取0.09;
[0023] ---學(xué)習(xí)開始時，給每個連接權(quán)賦初值;并在訓(xùn)練過程中，給每一個連接權(quán)賦W-1 ~1之間的隨機數(shù)；
[0024] 網(wǎng)絡(luò)訓(xùn)練完畢，即可將得到的各隱含神經(jīng)元和輸出神經(jīng)元的權(quán)值和閥值W及輸入 神經(jīng)元和隱含神經(jīng)元的權(quán)值和閥值存入一個數(shù)據(jù)文件，即專家系統(tǒng)的知識庫，W在診斷過 程中被調(diào)用。
[0025] 所述的BP網(wǎng)絡(luò)的建立和訓(xùn)練：當(dāng)進入診斷子程序時，將已訓(xùn)練好的網(wǎng)絡(luò)作為知識 庫讀入，根據(jù)系統(tǒng)提示選擇診斷數(shù)據(jù)，輸入瞬態(tài)響應(yīng)電壓值，輸入完畢后即可開始診斷；診 斷結(jié)束后將神經(jīng)網(wǎng)絡(luò)輸出送入結(jié)論子程序，判斷輸出有效性，系統(tǒng)給出結(jié)論。
[0026] 所述的診斷測試:測試結(jié)果是在瞬態(tài)響應(yīng)上下邊界內(nèi)隨機抽取的一組數(shù)據(jù)進行測 試后的輸出；根據(jù)事先設(shè)定的閥值0.8,神經(jīng)網(wǎng)絡(luò)輸出達到期望;例:對于正常狀態(tài)，神經(jīng)網(wǎng) 絡(luò)輸出：0.0015------神經(jīng)元輸出小于閥值0.8，認為輸出為0; 0.0024------神經(jīng)元輸出小 于閥值0.8，認為輸出為0 ; 0.0065------神經(jīng)元輸出小于閥值0.8，認為輸出為0 ; 0.9995------神經(jīng)元輸出大于閥值0.8,認為輸出為1;即輸出值為0001，可見其與期望輸出 一致。
[0027] 所述的推理機:采用正向推理方向，推理步驟如下：
[0028] 第1步:調(diào)入AN肥S知識庫，即存儲網(wǎng)絡(luò)權(quán)值閥值的數(shù)據(jù)文件；
[0029] 第2步:輸入各項故障征兆值；
[0030] 第3步:計算神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元輸出值；
[0031] 第4步:計算神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元輸出值；
[0032] 第5步：由事先設(shè)定的口限，判斷神經(jīng)網(wǎng)絡(luò)輸出的有效性；口限設(shè)定為0.8,若某神 經(jīng)元輸出大于0.8，則認為輸出為1，否則為0。
[0033] 本發(fā)明的優(yōu)點及應(yīng)用效果是：
[0034] 本發(fā)明是一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù)電路故障診斷的測試方法。是將神經(jīng) 網(wǎng)絡(luò)與專家系統(tǒng)進行結(jié)合應(yīng)用，應(yīng)用于模數(shù)混合電路故障診斷，通過使用神經(jīng)網(wǎng)絡(luò)來構(gòu)建 專家系統(tǒng)，即把傳統(tǒng)專家系統(tǒng)的基于符號的推理變成基于數(shù)值運算的推理，W提高專家系 統(tǒng)的執(zhí)行效率，提高系統(tǒng)智能水平，改善系統(tǒng)性能。通過本發(fā)明，可W實現(xiàn)通過神經(jīng)網(wǎng)絡(luò)的 輸出直接得到結(jié)論，而不需像傳統(tǒng)專家系統(tǒng)一樣通過領(lǐng)域知識做出判斷。相對于傳統(tǒng)的專 家系統(tǒng)，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)更擅長處理數(shù)據(jù)，不但可W解決傳統(tǒng)專家系統(tǒng)自學(xué)能力差和知 識獲取能力差等問題，還可W獲得令人滿意的故障診斷正確率。本發(fā)明還可W大大簡化測 試過程，節(jié)省測試時間和費用，使工作效果得到顯著提高，更加適合于實際工程應(yīng)用。
[0035] 下面結(jié)合附圖和具體實施例對本發(fā)明做進一步詳細的說明。
【附圖說明】
[0036] 圖1是本發(fā)明所采用模數(shù)混合電路實例；
[0037] 圖2是本發(fā)明所用的人工神經(jīng)網(wǎng)絡(luò)模型；
[0038] 圖3本發(fā)明所采用電路正常狀態(tài)下瞬態(tài)響應(yīng)曲線；
[0039] 圖4是本發(fā)明所采用電路AC短路故障狀態(tài)下瞬態(tài)響應(yīng)曲線；
[0040] 圖5是本發(fā)明所采用電路R6短路故障狀態(tài)下瞬態(tài)響應(yīng)曲線；
[0041] 圖6是本發(fā)明所采用電路放大器2正負極短路故障狀態(tài)下瞬態(tài)響應(yīng)曲線；
[0042] 圖7是本發(fā)明所用的故障原始數(shù)據(jù)表；
[0043] 圖8是本發(fā)明所用的簡約后的故障樣本集；
[0044] 圖9是本發(fā)明所用的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本；
[004引圖10是本發(fā)明故障狀態(tài)的二進制輸出；
[0046] 圖11是本發(fā)明診斷過程示意圖；
[0047] 圖12是本發(fā)明的部分測試結(jié)果。
【具體實施方式】
[0048] 本發(fā)明是一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的模數(shù)電路故障診斷的測試方法。是將神經(jīng) 網(wǎng)絡(luò)與專家系統(tǒng)進行結(jié)合應(yīng)用，應(yīng)用于模數(shù)混合電路故障診斷，通過使用神經(jīng)網(wǎng)絡(luò)來構(gòu)建 專家系統(tǒng)，即把傳統(tǒng)專家系統(tǒng)的基于符號的推理變成基于數(shù)值運算的推理，W提高專家系 統(tǒng)的執(zhí)行效率，提高系統(tǒng)智能水平。
[0049] 如圖1和圖2所示，如圖1所示是本發(fā)明所采用模數(shù)混合電路。圖2是本發(fā)明所用的 人工神經(jīng)網(wǎng)絡(luò)模型：BP(Back-Propagation)網(wǎng)絡(luò)的模型結(jié)構(gòu)圖。BP網(wǎng)絡(luò)是前向網(wǎng)絡(luò)的核屯、 部分，它由輸入層、隱層和輸出層Ξ部分組成。首先利用輸入輸出樣本集對BP網(wǎng)絡(luò)進行訓(xùn) 練，即對網(wǎng)絡(luò)的連接權(quán)系數(shù)進行學(xué)習(xí)和調(diào)整，W使該網(wǎng)絡(luò)實現(xiàn)給定的輸入輸出映射關(guān)系。經(jīng) 過訓(xùn)練的BP網(wǎng)絡(luò)對于不是樣本集中的輸入也能給出合適的輸出。
[0050] 本發(fā)明采用通過使用神經(jīng)網(wǎng)絡(luò)來構(gòu)建專家系統(tǒng)的方式將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié) 合，具體步驟包括ANNES知識庫的組建、BP網(wǎng)絡(luò)的建立和訓(xùn)練、推理、診斷。具體包括W下步 驟：
[0051] 1、組建ANNES知識庫的組建：
[0052] ANNES知識庫的組建包括訓(xùn)練樣本獲取和知識存儲兩個過程，訓(xùn)練樣本獲取過程 如下：
[0053] 訓(xùn)練樣本來源于同類診斷對象在不同狀態(tài)下的特征參數(shù)。訓(xùn)練樣本的獲取需進行 如下處理:首先獲取到故障原始數(shù)據(jù);再對得到的故障樣本集進行簡化，W縮短神經(jīng)網(wǎng)絡(luò)的 訓(xùn)練時間；最后為解決容差帶來的電路可靠性問題，需進行混合電路最壞情況分析。W正常 狀態(tài)瞬態(tài)響應(yīng)曲線為例加W說明，包括W下步驟：
[0054] 1)參數(shù)的獲取:對于圖1混合電路，先用PSpice對電路進行瞬態(tài)響應(yīng)分析，得到電 路在各單故障狀態(tài)下的瞬態(tài)響應(yīng)曲線，如圖3-圖6。
[005引為了得到輸入向量，我們將曲線按時間點"離散化"：將0-4ms每隔0.5ms取電壓值， 每條曲線取8個點作為原始輸入數(shù)據(jù)，運些數(shù)據(jù)可直接在PSpice的數(shù)據(jù)文本中讀取。運樣即 得到故障原始數(shù)據(jù)，如圖7所示，圖7是本發(fā)明所用的故障原始數(shù)據(jù)表。
[0056] 2)約簡故障樣本集:首先檢查圖7故障原始數(shù)據(jù)中有無重復(fù)的記錄，有則合并同類 項；去掉對區(qū)分故障狀態(tài)無用的電壓值數(shù)據(jù)，在