资源描述：
《RBF神经网络在电路故障诊断中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第32卷第1期东华理工大学学报(自然科学版)Vol132No112009年3月JOURNALOFEASTCHINAINSTITUTEOFTECHNOLOGYMar.2009doi:10.3969/j.issn.167423504.2009.01.017RBF神经网络在电路故障诊断中的应用研究周焕银,刘金生,魏雄(东华理工大学,江西抚州344000)摘要:电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF(radicalbasisfunction)神经网络可以快速逼近任意非线性函数及良好分类
2、能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。关键词:RBF神经网络;故障诊断;电路;非线性中图分类号:TP183文献标识码:A文章编号:167423504(2009)012097204现代电子产品尤其是大规模电子电路的发展,计算,从而大大加快学习速度并避免局部极小问对其可靠性的要求也显得越来越重要。对自动故题。障诊断的要求也日益迫切。1.1RBF神经网络模型电路的模型具有很强的非线性或由于噪声的RBF网络由三层组成,其结构如图1所示。输影响,通常对其进行在线故障诊断比较
3、困难,而神入层节点只是传递输入信号到隐含层,隐含层节点经网络的输入输出是非线性映射特性,人工神经网(也称RBF节点)由像高斯核函数那样的辐射状作络有着传统方法无与伦比的优越性。由于神经网用函数构成,而输出层节点通常是简单的线性函络自身所具有的功能和其信息处理的特点,在满足数。隐含层节点的作用函数(核函数)对输入信号复杂动态系统故障诊断算法所要求的品质,如实时将在局部产生响应,也就是说,当输入信号靠近该性、及时性、稳健性等方面,有着比其他传统方法具函数的中央范围时,隐含层节点将产生较大的输有更明显的优势,其自适应和学习能力更强。而出。故这种网络具有局部逼近能力。RBF神经网络比传统的神经网络BP
4、算法有更强的处理非线性、分类与快速学习能力,故其在电路分析中的优势也得到了不断认可。1RBF神经网络模型构建构成RBF网络的基本思想是:用RBF作为隐单元的“基”构成隐含层空间,这样就可将输入矢量直接(即不通过权连接)映射到隐空间(李国勇,2005)。当RBF的中心点确定以后,这种映射关系图1RBF网络结构图也就确定了。而隐含层空间到输出空间的映射是Fig.1NetworkstruturaldrawingofRBF线性的,即网络的输出是隐单元输出的线性加权1.2RBF网络算法思路和。此处的权即为网络可调参数。由此可见,从总(1)给定各隐节点的初始中心向量ci;体上看,网络由输入到输出的映射是非
5、线性的,而(2)计算距离(欧式距离)并求最小距离的节网络输出对可调参数而言却又是线性的。这样,网点:络的权就可由线性方程组直接解出或用LMs方法di(k)=‖p(k)-ci(k-1)‖,1FiFr收稿日期:2008204216(k)=mind(k)=d(k)dminiq作者简介:周焕银(1975—),女,硕士,讲师,主要从事控制理论与控制工其中k为样本序号,q为中心向量ci(k-1)与输入程研究。98东华理工大学学报(自然科学版)2009年样本x(k)距离最近的隐节点序号。判断的电路预估有10种故障,而输出判断一种故(3)调整中心ci;障类型,故采用图1所示10个输入1个输出的RBF(4)判断
6、聚类质量;神经网络结构。(5)训练隐含层与输出层间的权值。(2)原始测试数据库的确定。以表1数据为例(李国勇,2005),此数据为某雷达控制器电路板上2基于故障诊断实例分析所选5个节点的输出电压数据在不同的故障类型2.1基于RBF神经网络的故障诊断步骤下的数据。表2为待验证数据。(1)输入节点与输出节点个数的确定。由于所表1电路原始测试数据Tab.1CricuitoriginaltestdataV1V2V3V4V5故障形式11.264014.134010.631014.779011.3310y1(无故障)0.171014.7800014.78000.2480y2(R1开路)11.234010.
7、465010.452010.881010.8820y3(R2开路)11.264014.134010.833014.779011.5360y4(R3开路)11.264014.780014.757014.780013.3550y5(R4开路)0.741014.65300.153014.78000.0020y6(R5短路)10.341014.78009.512014.78009.9730y7(BG1集电
