《表1 不同工作模式状态:基于CS优化神经网络的模拟电路故障诊断》
实验电路采用图2的电路,本文利用电路的脉冲响应特性来分析电路故障。其中C1、R2、R3、R4的标准值为0.01μf、2.2kΩ、1.8kΩ、200Ω。设置8种故障模式,分别是C1+100%、C1-50%、R2+100%、R2-50%、R3+100%、R3-50%、R4+100%、R4-50%。选用Pspice软件对电路进行仿真,获取电路测点out的时域特性数据。设置激励信号为为频率1kHZ、幅度5V的脉冲信号,仿真时长50μs,时域数据采样周期为25ns。考虑到元件参数容差会对电路输出性能造成影响,设置电阻元件容差为5%,电容元件容差10%。对电路工作在正常模式下和8个故障模式下分别作100次蒙特卡罗分析,将每种模式划分为训练样本和测试样本,其中训练样本数为60组,测试样本数为40组。即9个模式下(包括正常模式)共有540组训练样本,360组故障测试样本(剔除正常模式下的40组测试样本)。使用不同的小波包对故障信号进行小波包变换会得到不同的特征向量,从而会得到不同的网络训练结果[9]。本文经过实验得出利用小波包coif3能得到最优质的故障特征。把故障特征作为CS-GRNN的输入,利用0-1[10]方法表示不同工作模式下的网络输出,见表1。
图表编号 | XD0040534000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.16 |
作者 | 胡鸿志、岑德炼、徐翠锋、滕全进 |
绘制单位 | 桂林电子科技大学电子工程与自动化学院、桂林电子科技大学电子工程与自动化学院、桂林电子科技大学电子工程与自动化学院、桂林电子科技大学电子工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |