[發明專利]一種基于交叉小波特征的模擬電路故障診斷方法

有效

• 申請號: 201711097153.2
• 申請日: 2017-11-09
• 公開（公告）號: CN107894564B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 何怡剛;何威;李志剛;佐磊;李兵;何鎏璐
• 申請（專利權）人: 合肥工業大學
• 主分類號: G01R31/316
• 分類號: G01R31/316
• 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

一種基于交叉小波特征的模擬電路故障診斷方法，包括以下步驟：向被測模擬電路輸入激勵信號,采集時域響應輸出信號，構成原始數據樣本集；將原始數據樣本集分成訓練樣本集和測試樣本集；將訓練樣本集和測試樣本集，均進行交叉小波分解，分別獲取訓練樣本集和測試樣本集的小波交叉譜；應用雙向二維線性判別分析對訓練樣本集和測試樣本集的小波交叉譜進行處理，提取訓練樣本集和測試樣本集的故障特征向量；將訓練樣本集的故障特征向量提交給支持向量機用于訓練SVM分類器，構建支持向量機故障診斷模型；向該模型輸入測試樣本集的故障特征向量，進行故障分類。使用本發明，能高效地識別模擬電路故障，并顯著提高模擬電路故障診斷的精度。

技術領域

本發明屬于電路測試技術領域，具體涉及一種基于交叉小波特征的模擬電路故障診斷方法。

背景技術

隨著微電子技術的發展，大規模數?；旌霞呻娐吩陔娮赢a品、工業控制、通訊設備等領域中發揮著廣泛的應用。模擬電路作為集成電路的重要組成部分，其對信號所進行的傳輸、濾波、放大、轉換是系統正常運行的必要功能。因此，極有必要對模擬電路開展故障診斷技術的研究，以保障系統的可靠性。

然而，由于模擬電路故障模擬難以構建、電路元器件的非線性和容差的影響，模擬電路故障診斷仍然面臨著諸多問題。例如，外界噪聲的干擾、故障發生未知的不可預測性及參數偏離正常范圍程度的不確定性，都將極大的影響故障診斷方法的準確性及效率。

針對上述難點，國內外諸多學者均對其展開了大量的研究工作。這些研究主要涉及故障特征提取方法。例如，Spina R,Upadhyaya S.Linear circuit fault diagnosisusing neuromorphic analyzers[J].Circuits&Systems II Analog & Digital SignalProcessing IEEE Transactions on,1997,44(3):188-196.Negnevitsky M,PavlovskyV.Neural networks approach to online identification of multiple failures ofprotection systems[J].IEEE Transactions on Power Delivery,2005,20(2):588-594.均直接將被測電路的故障響應信號不加任何預處理作為分類器的輸入，導致分類器訓練時間過長，結構規模過大。又如，何星,王宏力,陸敬輝,等.基于優選小波包和ELM的模擬電路故障診斷[J].儀器儀表學報,2013,34(11):2614-2619.肖玉飛,劉祖潤,李目.基于小波包能量熵與SVM的模擬電路故障診斷[J].電子測量技術,2011,34(6):110-113.是通過計算小波系數能量值或能量熵，并將其作為故障特征輸入到分類器以實現故障識別，但各節點特征值較小且特征區分不明顯。又如，Yuan L,He Y,Huang J,et al.A New Neural-Network-Based Fault Diagnosis Approach for Analog Circuits by Using Kurtosis andEntropy as a Preprocessor[J].IEEE Transactions on Instrumentation&Measurement,2010,59(3):586-595.Long Y,Xiong Y,He Y,et al.A new switchedcurrent circuit fault diagnosis approach based on pseudorandom test andpreprocess by using entropy and Haar wavelet transform[J].Analog IntegratedCircuits&Signal Processing,2017(3):1-17.作者采用故障響應信號的高階統計量作為故障特征，輸入到分類器進行識別，并獲得了很好的診斷效果。但是沒有考慮多故障情況下即故障類別重疊性較大時，故障診斷方法的性能。