基于HAAR小波和BP神经网络的非线性电路故障诊断

journal6 ›› 2003, Vol. 24 ›› Issue (4): 7-11.

基于HAAR小波和BP神经网络的非线性电路故障诊断

(湖南大学电气与信息学院，湖南长沙 410082)

出版日期:2003-12-15 发布日期:2012-11-06

Research on Method of Nonlinear Analog-Circuit Fault Diagnosis Based on HAAR Wavelet And BPNN

(College of Electrical and Information Engineering,Hunan University,Changsha 410082,Hunan China)

Online:2003-12-15 Published:2012-11-06
About author:XIE Hong(1964-),male,was born in Changsha,Hunan,lecturer of Hunan University,PHD,research area is intelligent technology of automatic control,neuval network and fault diagnosis.
Supported by:
Supported by National Natural Science Foundation of China(50277010)

摘要/Abstract

摘要：提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.

关键词： HAAR小波变换, 神经网络, 非线性模拟电路, 故障诊断, 预处理器

Abstract: In this paper,a fault diagnosis method based on Haar wavelet and BP neural network for nonlinear analog circuit has been presented.The proposed method by using wavelet decomposition as a preprocessor of nonlinear analog circuit fault signal can drastically reduces the number of inputs and training and processing time of the neural network.After briefly introducing an improved BPNN which adpots momentum factor for preventing local convergency used for nonlinear analog-circuit fault diagnosis,the basic principle based on Haar wavelet decomposition that can extracts the fault feature from fault signal is discussed.

Key words: HAAR wavelet transform, neural network, nonlinear analog-circuit, fault diagnosis, preprocessor

谢宏, 何怡刚, 吴杰. 基于HAAR小波和BP神经网络的非线性电路故障诊断[J]. journal6, 2003, 24(4): 7-11.

XIE Hong, HE Yi-Gang, WU Jie. Research on Method of Nonlinear Analog-Circuit Fault Diagnosis Based on HAAR Wavelet And BPNN[J]. journal6, 2003, 24(4): 7-11.

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	张振中. 智能布线系统的近端串扰故障测试与诊断[J]. 吉首大学学报（自然科学版）, 2018, 39(4): 43-47.
[12]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[13]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[14]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[15]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.