模擬電路故障診斷的BP神經(jīng)網(wǎng)絡(luò)方法研究

摘要：BP網(wǎng)絡(luò)是模擬電路故障診斷中應(yīng)用十分廣泛的一種神經(jīng)網(wǎng)絡(luò)。針對傳統(tǒng)BP算法的誤差下降緩慢，調(diào)整時(shí)間長，甚至容易陷入局部極小點(diǎn)而不能自拔等局限性，提出用彈性算法與BP網(wǎng)絡(luò)相結(jié)合的方法，并結(jié)合某型雷達(dá)裝備的具體電路，運(yùn)用該方法建模、仿真。實(shí)驗(yàn)結(jié)果表明，采用彈性算法結(jié)合后的BP網(wǎng)絡(luò)誤差收斂穩(wěn)定，訓(xùn)練速度快，在克服傳統(tǒng)BP算法的局限性上效果顯著，為新型雷達(dá)裝備的故障診斷和維修提供了一種方法，具有特定的實(shí)用意義。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；彈性算法；模擬電路；故障診斷

隨著現(xiàn)代電子技術(shù)的飛速發(fā)展，大規(guī)模、超大規(guī)模集成電路越來越普及，常規(guī)的故障診斷方法如故障字典法、參數(shù)識別法、故障驗(yàn)證法等由于其局限性已不再適用。模擬電路的可靠性直接制約著整個(gè)電子設(shè)備或系統(tǒng)的可靠性，是一個(gè)系統(tǒng)能不能正常運(yùn)行的關(guān)鍵。近年來，神經(jīng)網(wǎng)絡(luò)發(fā)展迅速，在各領(lǐng)域廣泛應(yīng)用。神經(jīng)網(wǎng)絡(luò)具有非線性信息處理能力，其強(qiáng)大的學(xué)習(xí)能力和并行處理能力為故障診斷提供了全新的理論方法和實(shí)現(xiàn)手段。其中BP神經(jīng)網(wǎng)絡(luò)由于具有良好的模式分類能力，尤其適用于故障診斷領(lǐng)域，因此對BP網(wǎng)絡(luò)的研究有著重要的理論及現(xiàn)實(shí)意義。

1 神經(jīng)網(wǎng)絡(luò)故障診斷的系統(tǒng)設(shè)計(jì)
應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬電路故障診斷的方法一般是：在一定的測試激勵(lì)下，將電路常見的各種故障狀態(tài)及正常狀態(tài)所對應(yīng)的參數(shù)通過PSpice求出，進(jìn)行數(shù)據(jù)預(yù)處理后作為BP網(wǎng)絡(luò)的輸入樣本，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后在相同的激勵(lì)下，檢測電路實(shí)際輸出，作為待診斷樣本集提供給BP網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出即為對應(yīng)的故障模式。系統(tǒng)設(shè)計(jì)框圖如圖1所示。

2 BP網(wǎng)絡(luò)的傳統(tǒng)算法
BP網(wǎng)絡(luò)，即誤差反傳網(wǎng)絡(luò)，是在1986年由Rumelhart和McCelland提出的，它是一種無反饋的前向網(wǎng)絡(luò)，包括輸入層、輸出層和隱層。理論證明：具有單隱層結(jié)構(gòu)的前饋網(wǎng)絡(luò)可以映射任意連續(xù)函數(shù)，最常用的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是3層結(jié)構(gòu)，即輸入層、輸出層和一個(gè)隱層。
誤差反向傳播過程就是通過使一個(gè)目標(biāo)函數(shù)。最小化來完成的，BP網(wǎng)絡(luò)的傳統(tǒng)算法則是根據(jù)梯度下降法來調(diào)整權(quán)重系數(shù)的。

tk為輸出層第忌個(gè)神經(jīng)元的期望輸出；Qk為實(shí)際輸出；Oj為隱層第j個(gè)神經(jīng)元的輸出；Qi為輸入層第i個(gè)神經(jīng)元的輸出。通過多次迭代后誤差達(dá)到給定的標(biāo)準(zhǔn)，網(wǎng)絡(luò)收斂到一組穩(wěn)定的權(quán)值，即訓(xùn)練完成。但是這種標(biāo)準(zhǔn)的BP算法有局限性，由于是根據(jù)梯度下降法調(diào)整權(quán)值，若權(quán)值的改變量過大，雖然能夠加快網(wǎng)絡(luò)的訓(xùn)練過程，但結(jié)果可能會(huì)產(chǎn)生振蕩；另外一種可能就是權(quán)值的改變量過小，因?yàn)镾型函數(shù)具有飽和性，當(dāng)輸入較大時(shí)，Oj，Ok將處于0或1的飽和區(qū)，權(quán)值的改變將趨于0，但此時(shí)目標(biāo)函數(shù)的值還很大，誤差對權(quán)值的變化很不明顯，誤差下降緩慢，調(diào)整時(shí)間長，甚至陷入局部極小點(diǎn)而不能自拔，影響收斂速度，使訓(xùn)練難以收斂于給定誤差。
3 傳統(tǒng)BP算法的改進(jìn)
基于上述傳統(tǒng)BP算法的局限性，提出將彈性算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，彈性算法只取偏導(dǎo)數(shù)的符號，而不考慮幅值，權(quán)值的更新方向是由偏導(dǎo)數(shù)的符號來決定的。若在兩次連續(xù)的迭代中，目標(biāo)函數(shù)對某個(gè)權(quán)值的偏導(dǎo)數(shù)的符號保持不變，則增大相應(yīng)的更新值，若變號，則減小相應(yīng)的更新值，其過程可表示為：

當(dāng)目標(biāo)函數(shù)與某個(gè)權(quán)值偏導(dǎo)數(shù)的符號與上一次不同時(shí)，則表明最近一次權(quán)值的更新值太大，算法已跳出一個(gè)局部最小值。通過這種方法調(diào)整權(quán)值參數(shù)，可以使變化步長在需要的時(shí)候增加，甚至在誤差平面趨于平坦的時(shí)候也能增加。誤差梯度一旦發(fā)生變化，相應(yīng)的調(diào)整步長會(huì)減小，有效地防止了振蕩?？朔薆P網(wǎng)絡(luò)誤差下降緩慢，調(diào)整時(shí)間長，甚至容易陷入局部極小點(diǎn)等局限性，通過彈性算法與BP網(wǎng)絡(luò)的結(jié)合來實(shí)現(xiàn)模擬電路的故障診斷。