[發明專利]一種基于廣義多核支持向量機的模擬電路故障診斷方法

有效

• 申請號: 201610056544.9
• 申請日: 2016-01-25
• 公開（公告）號: CN105548862B
• 公開（公告）日: 2019-02-05
• 發明（設計）人: 何怡剛;張朝龍;李志剛;佐磊
• 申請（專利權）人: 合肥工業大學
• 主分類號: G01R31/316
• 分類號: G01R31/316;G06K9/62
• 代理公司: 長沙星耀專利事務所(普通合伙) 43205
• 代理人: 黃美玲;寧星耀

1.一種基于廣義多核支持向量機的模擬電路故障診斷方法，其特征在于，包括以下步驟：

(1)采集模擬電路的時域響應信號，采集到的時域響應信號為所述模擬電路的輸出電壓信號；

(2)對采集的電壓信號進行小波變換，計算小波系數的能量作為特征參量，所有特征參量的集合即為樣本數據；

(3)基于樣本數據，應用粒子群算法優化廣義多核支持向量機的正則化參數和折衷參數，構建基于廣義多核支持向量機的故障診斷模型；

(4)以建立的基于廣義多核支持向量機的故障診斷模型作為分類器，對模擬電路的故障進行診斷；

所述步驟(3)中，基于廣義多核支持向量機的故障診斷模型采用多核學習方法，多核學習方法將多個核函數進行凸組合，多核包括如下：

(a)為每個單獨特征和整體特征，應用以2^-3，2^-2，…，2⁶這10個數值為寬度的高斯核；

(b)為每個單獨特征和整體特征，應用以1，2，3數值為階的多項式核；

所述步驟(3)中，應用粒子群算法優化廣義多核支持向量機的正則化參數和折衷參數的具體步驟為：

(3.1)初始化粒子群算法參數，包括位置、速度、尋優范圍和迭代次數，其中將正則化參數和折衷參數映射為粒子的二維位置；

(3.2)計算每一個粒子的適應度，根據適應度得出每一個粒子的個體最優位置和粒子群的全局最優位置；

(3.3)對每一個粒子進行速度與位置的更新；

(3.4)重復(3.2)和(3.3)直至迭代結束，輸出結果；

所述步驟(3)中，基于GMKL-SVM的故障診斷模型構建的步驟為：

(3.a)確定核函數類型：

以高斯核函數和k₂(x,x_i)＝[x·x_i+1]^g為多項式核函數建立多核，其中x為當前輸入數據，x_i為建立模型所用的樣本數據，d為高斯核函數的寬度因子，g為多項式核函數的階次；

(3.b)應用PSO算法優化選擇廣義多核支持向量機的正則化參數和折衷參數；

(3.c)以樣本數據x_i為訓練數據集，將步驟(3.b)中正則化參數和折衷參數用于下列約束核函數系數的最小化優化函數：

其中y_i∈{1,-1}，是權重，N是訓練數據的數量；C是折衷參數，z是正則化參數，b為偏置值，R是決策函數f的經驗風險，u＝(u₁,…,u_M)，u_m是核函數的系數，m＝1,…,M，M是核函數的數量；

(3.d)對廣義多核支持向量機進行訓練，獲得廣義多核支持向量機的參數b和u_m，則決策函數f則可表示為

其中φ_m(·)是映射函數，用于將原數據點映射至一個Hilbert空間；決策函數的獲得即為基于GMKL-SVM的故障診斷模型的建立。

2.根據權利要求1所述的基于廣義多核支持向量機的模擬電路故障診斷方法，其特征在于，所述步驟(1)中，被測模擬電路只有一個輸入端和一個輸出端，輸入端采用脈沖激勵，輸出端采樣電壓信號。

3.根據權利要求1或2所述的基于廣義多核支持向量機的模擬電路故障診斷方法，其特征在于，所述步驟(2)中，對采樣的電壓信號進行Haar小波變換。

4.根據權利要求1或2所述的基于廣義多核支持向量機的模擬電路故障診斷方法，其特征在于，所述步驟(4)中，對模擬電路的故障進行診斷時，所得到的診斷結果是指診斷正確率。