摘要：随着电子技术的迅速发展，电子设备的构造及性能越来越复杂，其规模也变的难以掌控。计量检定的精准度对于电子设备及系统的正常运行至关重要，本文提出了一种基于ELM网络的故障诊断方式，从而实现快速故障定位。
关键词：ELM网络；数据处理；计量检定；故障诊断
The application of Lissajous Figure in Metrological Verification
HAN Yue
（Taizhou Institute of Measurement,Taizhou 225300,China）
Abstract:With the continuous development of electronic technology, its structure and performance become more and more complex, also the scales are increasing larger and larger.The accuracy of measurement verification is essential for electronic equipment and systems, in this paper, a fault diagnosis method based on ELM network is proposed to realize fault location rapidly.
Key words: ELM network;data processing;metrological verification;fault diagnosis
引言
全球大范围内，电子技术经历了从晶体管到集成度很高的片上系统的飞速发展。在通讯、医疗、军事和航空航天等各领域中，电子设备和系统的作用往往不可替代。集成化比较高的电子产品在运行过程中，所有元器件形成一个整体来完成系统的功能，任何一个微小的故障都有可能造成设备损坏，导致系统不能正常运行，轻者造成停机停产，重者会产生灾难性的人员伤亡。所以，在计量检定工作中发现设备故障，快速实现故障定位显得非常重要。
2、ELM网络处理数据过程
ELM的决策过程如下：
3、应用实例
图1为某电子设备系统中一带阻滤波器电路（原理图非涉密资料，并且参数已经修改），电阻容差均为1%，电容容差均为5%，对电压施加的是Source.olb库中幅值为4V的激励信号，选定OUT的输出电压为测试信号[1-2]。
图1 带阻滤波器电路图
借鉴前人经验或者实验试凑法[3]，首先设定初始隐层节点数为5，惩罚因子为500，逐步增加反复试验，最终确定ELM网络隐含层节点为30，惩罚因子为950。
提取输出点故障样本数据，在matlab仿真软件中，将电压训练样本输入ELM网络中，取50组样本训练，50组样本测试[4-5]，偏大故障用↑表示、偏小故障用↓表示，得到相应的输出结果，如表1所示。
表1 基于ELM网络仿真数据故障诊断结果
4.总结
本章使用ELM网络进行故障诊断，为设备的计量检定工作提供帮助。，ELM网络泛化性好和学习精度高的特点使其具有很长远的发展前景。在含有电容的模拟电路中，通过正弦激励来产生电压信号作为故障特征，可以有效提高故障诊断的正确率。该方法简单易行，缩短了整个故障诊断的时间。
参考文献：
[1]付华. 基于极限学习机的半监督分类[D]. 西安电子科技大学硕士论文, 2013.
[2]郭晨龙. 极限学习机及其在分类问题中的应用 [D]. 郑州大学, 2013.
[3]朱大奇. 电子设备故障诊断原理与实践[M]. 电子工业出版社, 2004, 1-20.
[4]赵建. 模拟电路故障诊断的研究[J]. 上海海运学院学报, 2000, 21(3): 49-55.
[5]杨士元, 童诗白. 模拟系统的故障诊断与可靠性设计[M]. 北京:清华大学出版社, 1993, 2-21.
作者简介：
韩越（1988-11-08），男，汉族，籍贯：江苏泰州市，当前职务：科员，当前职称：初级，学历：硕士，研究方向：计量测试，故障诊断
论文作者:韩越
论文发表刊物:《电力设备》2018年第4期
论文发表时间:2018/6/25
标签：故障诊断论文; 故障论文; 网络论文; 泰州市论文; 电子设备论文; 系统论文; 样本论文; 《电力设备》2018年第4期论文;