基于EMD算法的模擬電路故障診斷.pdf

1、模擬電路故障診斷自從20世紀(jì)60年代被提出以來，發(fā)展一直受到故障情況復(fù)雜、集成電路規(guī)模越來越龐大等情況的制約，隨著故障數(shù)目的增多以及集成電路的復(fù)雜情況的提高，故障診斷的難度也隨之提高。模擬集成電路發(fā)生故障的數(shù)目占所有電路故障數(shù)目的80％以上，因此開展模擬電路故障診斷的研究，具有很強的理論和實際意義。
　　本文在借鑒已有故障特征提取和診斷方法的研究成果基礎(chǔ)上，針對故障特征提取困難提出了一種利用EMD算法提取故障特征的新方法;針對故障

2、診斷和識別困難提出了兩種新的故障診斷方法，一種是將EMD算法和經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法，另一種是將EMD算法和經(jīng)過粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法。
　　基于EMD算法的模擬電路故障特征提取方法首先需要對選取的電路模型進(jìn)行交流仿真和蒙特卡洛分析，采集可測點的響應(yīng)信息，將采集到的響應(yīng)信息進(jìn)行歸一化處理，再利用EMD算法將響應(yīng)信息分解成多組內(nèi)在模式函數(shù)和希爾伯特邊際譜，最后求出多組內(nèi)在模式函數(shù)和希

3、爾伯特邊際譜的能量值，將能量值作為故障特征向量提取出來。
　　基于EMD算法的模擬電路故障診斷方法首先需要提取出仿真電路的故障特征值，將多組內(nèi)在模式函數(shù)和希爾伯特邊際譜的能量值作為故障特征值，接下來將提取出的特征值分別送入經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)和經(jīng)過粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)主要是利用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，使優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能夠更好地預(yù)測函數(shù)輸出。粒子群優(yōu)化B

4、P神經(jīng)網(wǎng)絡(luò)是利用粒子群超強的全局搜索能力和BP神經(jīng)網(wǎng)絡(luò)快速的局部搜索能力相結(jié)合。
　　將上述的基于EMD算法的故障診斷方法分別應(yīng)用于Sallen-Key濾波器電路和Elliptic Filter電路的故障診斷仿真實驗中，并分別對加入10db白噪聲和30db白噪聲的Sallen-Key濾波器電路和Elliptic Filter電路進(jìn)行故障診斷仿真實驗，實驗結(jié)果表明這些方法能較好地分析模擬電路的故障響應(yīng)，較準(zhǔn)確地完成模擬電路的故障診斷