《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CS优化神经网络的模拟电路故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。