W artykule przedstawiono nową, metrologicznie ukierunkowaną sieć neuronową oraz bazującą na niej metodę diagnostyki uszkodzeń parametrycznych układów analogowych, z klasyfikcją neuronową, o zwiększonej odporności na tolerancje elementów układu i niepewności pomiaru. Zaproponowano sieć neuronową z Dwu-centrowymi Radialnymi Funkcjami Bazowymi (DRFB), której walorem jest lepsze odwzorowanie słownika uszkodzeń, poprawa dokładności klasyfikacji i większa odporność na tolerancje, w porównaniu z siecią zawierającą jedno-centrowe radialne funkcje bazowe (RFB). Opisano 2 metody konstrukcji słownika uszkodzeń, w postaci rozproszonych krzywych identyfika-cyjnych, wykorzystujące transformację biliniową oraz analizę składowych głównych. Metodę zilustrowano na przykładzie diagnostyki 2 prostych układów analogowych. Może ona być stosowana do diagnozowania innych obiektów technicznych.
EN
In this paper a new metrologically oriented neural network and method for parametric fault localization and rough identification are presented. The characteristic feature of the network is application of new two-center radial basis functions in the hidden layer. In result, the better classification accuracy, as well as robustness against non-faulty component tolerances and measurement errors has been obtained, in comparison with known Radial Basis Function neural network. Two construction methods of fault dictionary in the form of dispersed identification curves are described: bilinear transformation and principal component analysis methods. The diagnosis method was illustrated on the exemplary 2 analog circuits. It can be used for diagnosis of other technical objects.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule omówiono zasady działania opracowanego algorytmu łączącego możliwości rozpoznawania występujących jednocześnie uszkodzeń katastroficznych i parametrycznych w nieliniowych, analogowych układach elektronicznych. W wyniku wstępnego przetworzenia sygnałów testowych, otrzymanych na drodze pomiaru układów zawierających założone uszkodzenia, tworzone są sygnały uczące jednokierunkową sieć neuronową aproksymującą cechy układu. W treści zamieszczono przykłady ilustrujące działanie prezentowanej metody.
EN
This paper provides an algorithm that allows simultaneous catastrophic and parametric faults recognition in nonlinear analog circuits. First we establish dictionary containing signals measured at the chosen outputs of the unbroken and having assumed faults circuits. The mentioned signals are filtered to get important information, which will be used to learn artificial neural network to recognition the faults. The method is tested by representative examples which are described in the paper.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.