基于径向基函数网络的模拟电路故障诊断设计

模拟电路的固有特点使其故障诊断较数字电路困难。相对于BP网络,RBF神经网络具有最佳逼近性能且收敛快、无局部极小,可引入解决上述困难。根据具体电路,定义故障,选定测试点,确定网络结构,用Pspice获得训练样本,经过训练得到RBF网络。网络的输入为从测试点得到的输入向量,输出为对应的故障。为了验证网络的泛化性能,对每种训练情况在元件容差为5%均匀分布的情况下,对非故障元件做蒙特卡罗分析,得到验证样本。测试结果,诊断准确率为86.6%,从而验证了这种诊断的有效性。