（1）介紹了模擬電路故障診斷技術發展和現狀，對現有的主要診斷方法以及近年來先進的神經網絡理論和技術以及數據融合技術在模擬電路故障診斷領域中的應用進行了簡單的論述

（2）對神經網絡方法的基本原理及其在模擬電路故障診斷中的優勢進行了詳細的介紹，包括神經網絡的分類和神經網絡的學習規則。詳細說明在電路故障診斷中應用最廣泛的BP神經網的設計、訓練和測試方法，并對一個兩級RC耦合放大器電路例進行了測試、神經網絡訓練和診斷。

（3）介紹了數據融合技術的概念、優缺點、基本方法及其在各個領域的應用情況。然后對于數據融合具體方法，著重研究了 Bayes統計融合方法Dempster-Shafer證據理論融合方法以及模糊集理論融合方法。最后采用基于待定系數法的隸屬度構造法以及模糊融合的方法對實例電路進行了故障診斷。（4）提出了一種新的利用包含元件直流特性信息的靜態工作點電壓和包含元件交流特性信息的不同頻率激勵下輸出電壓峰值與輸出電壓峰值的比值兩類信息進行數據融合診斷的方法，保證故障信息量的同時降低了獲取難度，應用模糊數學的理論，通過模糊變換將兩類故障信息通過兩個神經網絡診斷得出的故障求屬度進行決策層的數據融合，較好的解決了了單神經網絡診斷信息量不足，由于電路元件互相影響而產生的故障診斷不確定性的問題以及待融合故障信息隸屬度獲取困難的問題，使得診斷準確率得到較為明顯的提高本文提出的基于數據融合和神經網絡的方法可以實現對模擬電路的故障進行準確實時快速診斷，具有一定的實用價值。

關健詞：模擬電路；數據融合；神經網絡；模糊集理論

點擊標簽查看更多相關資源：