[發明專利]一種基于序貫測試的模擬電路故障測試方法

有效

• 申請號: 201910439946.0
• 申請日: 2019-05-24
• 公開（公告）號: CN110109005B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 劉震;梅文娟;杜立;楊成林;周秀云
• 申請（專利權）人: 電子科技大學
• 主分類號: G01R31/3163
• 分類號: G01R31/3163
• 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

本發明公開了一種基于序貫測試的模擬電路故障測試方法，通過條件熵評估測點的有效性，選擇故障識別能力強的測點的特征值作為極限學習機輸入層信息，產生表達故障狀態識別結果的證據矢量；再基于D?S理論生成信任函數，根據相似性傳播將故障狀態集合分離成若干故障子集，并進一步生成故障子集的診斷模型，直至故障狀態全部分離或者分離到最優狀態，具有故障識別精度高、故障識別效率高等特點。

技術領域

本發明屬于電路故障診斷及機器學習技術領域，更為具體地講，涉及一種基于序貫測試的模擬電路故障測試方法。

背景技術

隨著模擬電路集成度日趨提升，對復雜電路的狀態監測成為電子系統研究領域的重要問題。如何高效地對模擬電路系統的故障狀態進行有效監測成為該領域的研究熱點之一。現有的模擬電路故障狀態識別方法主要分為基于經驗知識和基于數據驅動的兩類故障診斷方法。

基于經驗知識的故障診斷方法是通過由電路得到的機理模型關系，抽象測試點與各個故障模式間的依賴關系，進而生成高效的測試策略，用于定位故障，主要包括專家系統，圖搜索算法，故障樹生成法和故障字典。然而，該類方法采用的輸入為二元信息或者用于表示不確定依賴關系的概率信息，需要通過電路結構上的依賴關系進行構建，由于對于復雜系統的依賴模型的構建過程較為復雜，因此該類方法大多局限于結構較為簡單，機理較為常見的電子系統的故障診斷。同時，由于忽略了模擬電路測試信號本身存在的數值特征(如信號的幅度，頻率，方差等)，該類方法無法對模擬電路建立定量的故障識別模型。

近年來，伴隨人工智能技術的飛速發展，產生了基于數據驅動的故障診斷方法。該類方法無需建立故障依賴模型，可以直接通過測點反映的信息識別電路系統的故障狀態，因此成為一種極具生命力的方法。現有的智能診斷方法可以分為：基于概率神經網絡的故障診斷方法、SVM故障診斷方法、信息融合故障診斷方法等。

智能診斷方法對復雜電路系統具有較高的實際意義。由于該方法考慮了人的智能因素，更符合對實際系統的自然推理，是一種很有前途的故障診斷方法。然而，現有的基于機器學習的故障診斷方法都是直接通過采集到的全部測點信息進行整體建模，著重考慮模型整體的識別精度，而忽略了各個故障在識別過程中有效信息的差異性，因此影響了故障識別過程的效率，建模過程缺乏靈活性。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于序貫測試的模擬電路故障測試方法，基于極限學習機的故障診斷樹模型來測試模擬電路的故障狀態，具有故障識別精度高、故障識別效率高等特點。

為實現上述發明目的，本發明一種基于序貫測試的模擬電路故障測試方法，其特征在于，包括以下步驟：

(1)、采集不同轉折頻率的電壓值

采集模擬電路在故障狀態下和健康狀態下N組樣本在不同轉折頻率的電壓特征值，記為X＝{x₁,x₂,...,x_N}，其中，電壓特征值xi＝{x_i,1,x_i,2,...,x_i,k,...,x_i,T}，x_i,k為采集的第i個樣本在第k個轉折頻率下的電壓特征值，T為轉折頻率個數；

構建各個樣本的期望輸出向量Y＝{y₁,y₂,...,y_i,...,y_N}，其中y_i＝{y_i,1,y_i,2,y_i,3,...y_i,j,...,y_i,M}，M為故障狀態總數，y_i,j為第i組電壓特征值構成的輸入下模擬電路第j種故障的標記值，若y_i,j＝1，則第i組電壓特征值構成下會產生第j種故障，否則y_i,j＝0；

(2)、初始化故障樹模型