介绍了一种模拟电路的智能故障诊断方法,通过研究小波算法进行故障特征提取,将其输入到BP神经网络中进行学习和训练,训练后的神经网络能有效的识别电路故障。 实验研究图1待诊断电路图2样本集构造流程（1）样本集构造针对二极管D7短路故障、电容C4短路故障、电阻R4短路故障和断路故障、IGBT电路中的Q1短路故障和断路故障，共6种故障，再加上电路正常状态下，共7种状态，在电路输出R14处设置监测点测试电压和电流值各1万个数据，然后对这1万个数据每10个分为10组，每组1000个数据，得到电压信号下的10组各含1000个数据的样本集和电流信号下的10组各含1000个数据的样本集。故障诊断方法的研究-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机（2）特征提取利用db1小波对所获得电压和电流信号下的各10组数据进行5层Mallat分解；然后对每一层分解的高频系数进行绝对值求和，获得电压和电流信号下的5维故障特征向量{D1，D2，D3，D4，D5}。（3）神经网络结构BP神经网络结构如图3所示。输入层选择电压信号通过小波提取出的5层特征向量和电流信号通过小波提取出的5层特征向量共10个特征向量作为神经网络的输入 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/，其中使用9组样本作为训练数据，剩余1组作为验证数据。输出层输出诊断结果，采用线性函数pureline，输出节点数与待测故障类别数相对应，每个输出节点组合与待测故障类一一对应。这里设置的输出向量为3个，分别是用3位二进制表示正常状态和故障F1-F6的状态，如表1所示。图3神经网络结构图选择单隐层网络，选择tansig为传输函数，隐层节点数通过反复的调试分析得出节点数为17时达到最优。表1神经网络输出与故障状态对应表输出状态故障类型000电路正常001D7短路010C4短路011R4开路100R4短路101Q1开路110Q1短路（4）网络训练将9组10维数据输入网络进行训练，设置误差达到0001时即停止训练，训练进行到第250步的时候达到了误差要求。其误差曲线如图4所示。图4神经网络训练误差曲线（5）网络故障诊断方法的研究-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/