[發明專利]基于鋸齒波和遺傳算法的模擬電路測點優選方法

有效

• 申請號: 201810201795.0
• 申請日: 2018-03-12
• 公開（公告）號: CN109307835B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 賴丹;楊成林
• 申請（專利權）人: 電子科技大學
• 主分類號: G01R31/316
• 分類號: G01R31/316
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

1.一種基于鋸齒波和遺傳算法的模擬電路測點優選方法，其特征在于，包括以下步驟：

S1：首先獲取模擬電路中的元件模糊組數據，從每個模糊組中選擇一個元件作為代表元件p_m，m＝1,2,…,M，M表示模糊組數量，記模擬電路中的每個測點為t_n，n＝1,2,…,N，N表示測點數量；

采用仿真軟件對模擬電路進行仿真，依次選擇第m個代表元件作為故障元件進行R次故障模擬，其元件參數在其故障范圍內取值，其余代表元件參數在容差范圍內隨機取值；對每次故障模擬進行蒙特卡洛仿真，記仿真次數為D，每次仿真時將鋸齒波作為模擬電路的輸入，得到每個測點t_n的輸出，分別對輸入鋸齒波信號和N個測點的輸出信號進行采樣，然后對輸入采樣信號和N個測點的輸出采樣信號分別作傅里葉變換，得到預設的K個頻率下的輸入正弦波信號與N個測點輸出正弦波信號，然后分別計算每個頻率下輸入正弦波信號與N個測點輸出正弦波信號的相位差和幅值比其中k＝1,2,…,K，r＝1,2,…,R，d＝1,2,…,D，計算得到各個頻率下各個測點對應的故障電壓將K個頻率下故障電壓的實部和虛部構成特征向量其中

S2：記遺傳算法中個體為X＝[x₁₁,…,x_N1,x₁₂,…,x_N2,…,x_1K,…,x_NK]，其中元素x_nk＝0,1，當x_nk＝1表示第n個測點在第k個頻率下被選中，當x_nk＝0表示第n個測點在第k個頻率下未被選中；采用隨機賦值的方式初始化遺傳算法種群中的每個個體；

S3：預先設置一個頻率作為代表頻率，記代表頻率的序號為k^*，對于每個個體，判斷是否代表頻率所對應的元素和T表示預設的優選測點數量，如果是，則令個體X＝[x₁₁,…,x_N1,x₁₂,…,x_N2,…,x_1K,…,x_NK]中元素x_nk＝x_nk*，否則令該個體中所有元素均為0；

S4：對于種群中的每個個體，如果其元素不全為0，記其對應的測點選擇方案中所選取的測點序號為Q表示個體所對應的測點選擇方案中的測點數量，從步驟S1得到的模擬電路特征數據中篩選出所選Q個測點的特征向量，將每個代表元件在同一次仿真中由Q個測點得到的特征向量組合得到組合向量令其分類標簽為代表元件對應的序號m；將每個代表元件的組合向量作為輸入，對應分類標簽作為期望輸出，對預設的分類器進行交叉驗證，將得到的分類準確率作為個體的適應度值；

如果某個個體的元素全為0，將其適應度設置為預設值λ，λ的具體取值可以根據需要設置；

S5：判斷是否達到迭代結束條件，如果是，進入步驟S6，否則進入步驟S7；

S6：將當前種群中適應度最大的個體作為最優個體，其對應的測點選擇方案即為測點優選方案；

S7：對當前種群中的個體進行選擇、交叉、變異，生成下一代種群，返回步驟S3。

2.根據權利要求1所述的模擬電路測點優選方法，其特征在于，所述的預設值λ＝25％。