f) r2 减小
g) r2 增大
图 4.5 故障信号分解图
2.结果分析
采用 BP 神经网络方法能够有效的诊断模拟电路的故障。但是，由于样本数据没有进行预处理，BP 网络规模比较大，而且收敛速度比较慢，甚至不收敛。在本例中，无小波处理时，BP 网络有两个隐含层和一个输出层。输入
47
节点数为 39个；第一及第二隐含层的神经元数目为 25 个。采用小波预处理后，BP 网络只有一个隐含层和一个输出层；输入节点为 5 个。隐含层的神经元个数为 8 个。两者输出层的节点数一样，均为 9 个。如图 6.6 所示带有小波预处理的 BP 网络经过45 步训练后的误差接近 10? 7。基于小波变换预处理 BP 神经网络方法由于对样本信号进行了预处理，剔除了信号中的冗余信号。所以能够减少神经网络的规模，从而加快神经网络的训练速度。
4.5 小结
本章介绍了小波分析的特点并且论述了小波分析的基本理论，用小波变换进行特征提取，在此基础上采用了基于小波变换预处理的BP神经网络方法对模拟电路故障进行了诊断，样本信号经过小波变换预处理，在送给BP网络进行训练时，有效减少了BP网络的输入节点和隐层节点数，从而减小了神经网络的规模，降低计算的复杂度，加快网络的训练速度。仿真实验表明此方法能够有效的对模拟电路的故障进行诊断和定位。
48
