郭 峰，王春兰，李胜厚，杨国洲

（1.西京学院，西安 710123；2.空军工程大学空管领航学院，西安 710051）

0 引言

随着电子装备性能的日益提高，其复杂程度也越来越高，电子设备的电路板功能越来越强大，但结构却越来越复杂，种类也越来越繁多，尤其是模拟电路的容差等问题引起的软故障，极易引起电路和整个装备系统性能的逐渐恶化，必须对其准确诊断和定位，也是当前的研究热点。

模拟电路的软故障诊断本质上是一个模式识别和分类问题，即将给定的故障数据划分为正常数据和故障数据。随着模拟电路故障诊断技术研究的深入，出现了故障字典法、参数辨识法、故障验证法等诸多软故障诊断方法［1-3］，实践和数值分析表明，元器件发生软故障时，其参数可能在零到无穷大之间连续变化，而不同的偏移会引起不同的电路响应，电路的状态数可能是无穷的。将这些诊断方法用于软故障诊断，其计算量是现有计算机水平无法胜任的［5］。神经网络技术的出现，完全改变了模拟电路软故障诊断的既有模式，它采用新颖的黑箱建模思想，具有较强的学习、识别、记忆和联想功能，也引起了领域内的极大关注［6-8］。然而，神经网络遵循经验风险最小化原则，其准确率不高、收敛较慢等缺陷没有得到有效解决，限制了推广。研究表明，小波神经网络性能较之前者有了很大改善，理论也更趋于严密，是公认的神经网络替代方法［9-10］。

基于此，本文在多分辨率变换提取故障样本基础上，提出一种采用自适应UKF算法训练小波RBF神经网络（Wavelet RBF Neural Network，WRNN）的模拟电路软故障诊断方法，并通过仿真验证其有效性。……