模拟电路软故障与LM算法的结合应用研究

在模拟电路故障诊断中,由于标准的BP神经网络算法在训练样本时存在着收敛速度慢、分布不均匀、效率不高等缺点,导致电路的整体诊断性能下降。提出了一种将Levenberg-Marquardt(LM)算法与神经网络相结合的方法,对电路的脉冲信号进行多尺度分解,提取故障特征作为神经网络的输入对网络进行训练。实验仿真表明,Pspice与Matlab相结合的样本训练方法的稳定性高于传统方法,证明了该方法的实用性与可行性。