模擬電路智能化故障診斷方法研究.pdf

1、電路故障診斷是繼電路分析、網(wǎng)絡(luò)綜合之后現(xiàn)代電路理論的三大分支之一。隨著微電子技術(shù)的發(fā)展，大規(guī)模數(shù)?；旌霞呻娐吩诟餍懈鳂I(yè)的廣泛應(yīng)用，研究如何準(zhǔn)確、快速的診斷出模擬電路中的故障成為實(shí)際工程中的研究熱點(diǎn)；另一方面，由于模擬電路的非線性、元件的容差性、故障種類多樣性等特點(diǎn)導(dǎo)致模擬電路故障診斷技術(shù)發(fā)展遇到了瓶頸，傳統(tǒng)的故障診斷理論和方法在實(shí)際工程中很難達(dá)到預(yù)期的效果。因此，研究高效的、適應(yīng)微電子技術(shù)發(fā)展需求的模擬電路故障診斷方法是現(xiàn)階段迫切需要

2、解決的問題。
　　模擬電路的故障特征提取和故障模式的識別是模擬電路故障診斷的關(guān)鍵環(huán)節(jié)，決定了模擬電路故障診斷的精度和效率。近年來迅速發(fā)展的數(shù)據(jù)挖掘技術(shù)和智能優(yōu)化算法為模擬電路智能故障診斷提供了很好的思路。本文以現(xiàn)代測試技術(shù)為理論基礎(chǔ)，利用信號處理、小波分解、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等智能化信息處理和模式識別方法對模擬電路故障診斷進(jìn)行深入研究。論文的主要研究工作及成果如下：
　　依據(jù)模擬電路發(fā)生故障時(shí)的特點(diǎn)，構(gòu)建智能化的模擬電路故

3、障診斷方法。將采集到的故障信息通過主成分分析進(jìn)行特征提取，利用神經(jīng)網(wǎng)絡(luò)對提取的故障特征進(jìn)行訓(xùn)練和故障模式的識別。通過對模擬電路的仿真結(jié)果表明，提取后的故障信息具有維度小、辨識度高等特點(diǎn)，加快了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，提高了故障識別的精度。
　　針對模擬電路故障特征選取困難的問題，提出一種在幅頻關(guān)系下的基于最小冗余最大相關(guān)原則（Minimum Redundancy Maximum Relevance，mRMR）的模擬電路故障特征選擇方法

4、。mRMR原則是基于互信息的特征選擇方法，它根據(jù)最大統(tǒng)計(jì)依賴性原則選擇最優(yōu)特征集，有效減少樣本中噪聲成分、降低特征維數(shù)、提高故障識別的效率和精度。
　　模擬電路典型故障樣本獲取困難，加大了模擬電路故障診斷的難度。支持向量機(jī)（support vector machine，SVM）在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，非常適合作為模擬電路故障診斷分類器。但支持向量機(jī)的分類效果受自身參數(shù)（懲罰參數(shù)C和核函數(shù)參數(shù)）的設(shè)

5、置影響較大，提出采用智能優(yōu)化算法優(yōu)化支持向量機(jī)的參數(shù)，避免參數(shù)選擇的盲目性，提高基于支持向量機(jī)的模擬電路故障診斷精度。
　　模擬電路故障響應(yīng)信號的高頻部分和低頻部分具有各自的特點(diǎn)，針對小波分解只涉及低頻部分的問題，提出采用小波包分解提取模擬電路故障特征。將采集到的模擬電路故障信號利用小波包分析后得到的不同頻帶范圍內(nèi)的能量作為故障特征，再用鄰域保持嵌入算法進(jìn)一步提取故障特征值，最后輸入支持向量機(jī)進(jìn)行故障診斷。實(shí)驗(yàn)證明小波包分解將不太