BP神經網絡在故障字典快速定位中的應用

作者簡介：孟亞峰（1970—），男，河北廓坊人，副教授，研究方向：電子系統性能檢測與故障診斷（E-mail：radarm@126.com）；韓春輝（1978—），女，河北高陽人，講師，博士，研究方向：電子系統性能檢測與故障診斷。

摘要：故障字典法是一種很實用的故障診斷方法，但對于大規模、復雜電路，故障字典龐大，故障搜索速度影響了實時診斷效率。提出一種將規模較大故障字典分解為多個子故障字典，采用BP神經網絡組織其搜索索引的方法。該方法利用BP神經網絡能夠精確描述輸入數據與目標數據之間的映射關系的能力，組織多個BP神經網絡組成多層的二叉樹索引結構。通過該索引，大大縮小了故障查找范圍，提高了搜索速度，提高了實時診斷的效率。

關鍵詞：子故障字典；BP神經網絡；故障搜索；二叉樹

中圖分類號：TP183文獻標識碼：A

1引言

故障字典法是一種基于測前仿真的方法，是最成熟的故障診斷方法，具有很好的實用性[1]。故障字典法屬于測前模擬診斷（Simulation Before Test），即對電路的仿真在現場測試之前實施，易于進行實時診斷。然而對元件特別多的復雜電路，在對整個電路形成故障字典時，為了能滿足診斷的覆蓋率和分辨率，需要選用較多的測試點來提取故障特征，因此，其故障字典特別龐大。在現場診斷時，故障字典的查找速度影響著診斷的實時性。

本文提出，將故障字典分為多個子故障字典，并用多層樹狀神經網絡作為其索引，可以快速排除無關子故障字典，將待搜索故障特征碼迅速定位到對應的子故障字典，大大縮小了搜索范圍，提高了故障查找速度，使故障診斷的實時性得到保證。

2故障字典故障診斷

2.1故障字典法

故障字典法診斷故障的基本思想是[4]：首先提取電路（系統）在各種故障狀態下的電路特征（如測試點的直流電位向量、網絡的幅頻特性等），然后將特征與故障的一一對應關系列成一個字典。在實際診斷時，只要獲取電路（系統）的實時特征，就可以從故障字典中查出此時對應的故障。

采用故障字典法進行故障診斷主要步驟分為測前分析和測后分析。測前分析分為以下幾步：

1）故障集的選擇；

2）測試節點的選擇；

3）故障特征的選擇；

4）電路狀態的仿真，提取各狀態在各個可測節點的故障特征；

5）模糊集的分割；

6）故障字典的建立。

5結束語

故障字典的查找速度影響著故障診斷的實時性，是在線故障診斷的關鍵步驟。本文將規模較大的故障字典分解為多個規模較小的子故障字典，采用決策樹組織其查找結構，樹的節點采用BP神經網絡對故障特征碼進行判斷分類，通過多層BP神經網絡的逐級分類，將待查找的故障特征碼精確定位到子故障字典，大大縮小了查找范圍，提高了故障字典查找的速度，為在線測試的實時性打下了基礎。

參考文獻

[1]楊士元.模擬系統的故障診斷與可靠性設計[M].北京：清華大學出版社.2001：10-46.

[2]Vamsi Boppana.Fault Dictionary Compaction Using Structural and TreeBased Techniques[R].Center for Reliable and High Performance Computing.1996.

[3]Yunqing Chen.Experment on Fault Location on Largescale Analog Circuits[J].IEEE Transactions on Instrumentation and Measurement.1993，42（1）：30-34.

[4]蔡金燕，陳圣儉，何強.一種分布實施故障定位的故障字典法[J].電子測量與儀器學報.1997，11（2）：48-52.

[5]侯雄，孫凝生.用于故障字典的圖形匹配算法研究[J].航天控制.1998，2：54-58.

[6]Zhenyu Wang，Yongwei Li，Peng Guo，etc.TemperatureVariation Fault Diagosis of the HighBoltage Electric Equipment Based on the BP Neural Network[J].Lecture Notes in Computer Science.2007，4693（1）：633-639.

[7]Yangjing SUN，Shen ZHANG，Changxin MIAO，etc.Improved BP Neural Network for Transformer Fault Diagnosis[J].Joural of China University of Mining and Technology.2007，17（1）：194-201.