基于量子神經(jīng)網(wǎng)絡(luò)的容差模擬電路的軟故障診斷.pdf

1、模擬電路故障診斷一直以來都是十分必要且有意義的，已成為熱門的研究課題。傳統(tǒng)的模擬電路故障診斷的方法也有很多種，但是它們一般都是用于診斷開路、短路這種硬故障的，難以發(fā)現(xiàn)在電路中的各個元器件存在類似器件缺陷或緩慢失效之類的軟故障。此外，在很多情況下，一些電路只有一個可測試點，也就是它的輸出端，傳統(tǒng)的方法根本無法對它們進行有效診斷。而基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法可以很好地解決這些問題。已用在模擬電路故障診斷中的神經(jīng)網(wǎng)絡(luò)主要有BP網(wǎng)絡(luò)、S

2、OFM網(wǎng)絡(luò)，以及結(jié)合模糊理論的模糊神經(jīng)網(wǎng)絡(luò)，結(jié)合小波分析的小波神經(jīng)網(wǎng)絡(luò)，但是仍然存在問題，例如模糊度如何準確地定量化，對故障信號進行小波變換之后怎樣構(gòu)造能表征故障類別的特征等，都有待進一步研究。 量子神經(jīng)網(wǎng)絡(luò)(QuantumNeuralNetwork)簡稱QNN，因其隱層神經(jīng)元采用多層激勵函數(shù)使網(wǎng)絡(luò)具有了一種固有的模糊性，它能將決策的不確定性數(shù)據(jù)合理地分配到各模式中，從而減少模式識別的不確定度，提高模式識別的準確性。量子神經(jīng)網(wǎng)絡(luò)