王辉　彭良玉

摘 要： 提出了一种基于多分辨分析和小波神经网络（WNN）相结合的模拟电路故障诊断方法。该方法利用了多分辨分析优异的时频特性，提取采集数据中的故障特征参数值，结合小波神经网络强大的非线性分类、学习、泛化能力及精度高、收敛速度快等特性，将得到的输入数据进行归一化处理作为小波神经网络的输入对其进行训练，并将训练的结果应用于滤波器电路故障诊断。结果表明，该方法实现了对故障模块的定位，是一种有效的模拟电路故障诊断方法。

关键词： 多分辨分析； 小波神经网络； 模拟电路故障诊断； 数据采集

中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）06?0125?04

0 引 言

电子工业的快速发展，使得电子设备的复杂程度也越来越复杂，模拟电路的集成化与规模化及其本身局限性，使得模拟电路故障诊断的效果越来越不能满足人们的要求。人工神经网络的出现使得模拟电路故障诊断智能化，学习诊断能力方面大大增强，BP神经网络在这方面得到了很好的运用，但是其收敛速度慢，容易陷入局部最小。小波函数具有较好的时频域化性质，选择适当的母函数，可以是扩张函数有较好的局部性[1]。将小波函数与BP神经网络结合运用于模拟电路故障诊断，这样避免了BP神经网络任意分类的不足，同时可以弥补BP神经网络固有的缺陷[2?3]。在BP神经网络的结构基础之上，用小波函数代替隐含层传递函数，同时对故障特征值的提取采用多分辨分析算法，最后通过实例仿真，可知该方法有很好的可行性。……