[發(fā)明專利]一種基于FRFT和LLE特征提取的模擬電路故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010067592.4
• 申請(qǐng)日: 2020-01-20
• 公開(kāi)（公告）號(hào): CN111239587A
• 公開(kāi)（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 高天宇;楊京禮;姜守達(dá)
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G01R31/28
• 分類號(hào): G01R31/28;G01R31/316;G06F30/25;G06F30/27;G06F30/367;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張利明

一種基于FRFT和LLE特征提取的模擬電路故障診斷方法，屬于故障診斷技術(shù)領(lǐng)域，解決了模擬電路故障診斷的困難性較大，故障診斷的準(zhǔn)確率低的問(wèn)題，本發(fā)明利用PSPICE軟件對(duì)需要故障診斷的模擬電路進(jìn)行仿真，將待檢測(cè)的模擬電路的輸出端作為測(cè)試點(diǎn)，獲得電路脈沖響應(yīng)信號(hào)，通過(guò)Monte?Carlo分析，針對(duì)每種電路故障獲取多組樣本信號(hào)；對(duì)每種電路故障類別的多組樣本信號(hào)分別進(jìn)行p階FRFT，獲取每種類別故障的樣本信號(hào)的頻域特征；利用LLE對(duì)每種類別故障的樣本信號(hào)的頻域特征進(jìn)行降維，構(gòu)建特征向量樣本集，采用粒子群優(yōu)化算法尋找支持向量機(jī)的最優(yōu)參數(shù)，建立支持向量機(jī)故障診斷分類器；利用支持向量機(jī)故障診斷分類器對(duì)測(cè)試集數(shù)據(jù)進(jìn)行分類診斷。本發(fā)明適用于對(duì)模擬電路進(jìn)行故障診斷。

技術(shù)領(lǐng)域

本發(fā)明屬于故障診斷技術(shù)領(lǐng)域，具體涉及一種模擬電路的故障診斷方法。

背景技術(shù)

模擬電路是復(fù)雜電氣與電子系統(tǒng)的重要組成部分，在保障電氣與電子系統(tǒng)可靠性方面扮演重要的角色。然而，盡管電路中僅有少于20％的模擬電路，但是模擬電路故障卻占電路故障的80％。模擬電路故障會(huì)導(dǎo)致電氣與電子系統(tǒng)性能下降，功能失靈，反應(yīng)遲緩或者其他功能性損壞，危機(jī)人身財(cái)產(chǎn)安全，甚至引發(fā)社會(huì)和環(huán)境問(wèn)題。

模擬電路故障的類型分為硬故障和軟故障。模擬電路出現(xiàn)斷路或短路故障等硬故障的概率較小，大部分故障都是來(lái)自于元件的參數(shù)指標(biāo)退化，即軟故障。由于元器件在加工過(guò)程中就存在容差，導(dǎo)致故障特征的混疊，對(duì)故障模式的識(shí)別會(huì)有很大的影響。另外，模擬電路故障特征的種類繁多、電路參數(shù)受不確定因素的影響較大等因素，也增加了故障診斷的困難性。

發(fā)明內(nèi)容

本發(fā)明是為了解決模擬電路故障診斷的困難性較大，故障診斷的準(zhǔn)確率低的問(wèn)題，提出了一種基于FRFT和LLE特征提取的模擬電路故障診斷方法。

本發(fā)明所述的一種基于FRFT(Fractional Fourier Transform，分?jǐn)?shù)階傅里葉變換)和 LLE(Locally Linear Embedding，局部線性嵌入)特征提取的模擬電路故障診斷方法，該方法的具體步驟為：

步驟一、利用PSPICE軟件對(duì)需要故障診斷的模擬電路進(jìn)行仿真，將待檢測(cè)的模擬電路的輸出端作為測(cè)試點(diǎn)，獲得電路脈沖響應(yīng)信號(hào)，通過(guò)Monte-Carlo(蒙特卡洛)分析，針對(duì)每種電路故障獲取多組樣本信號(hào)；

步驟二、對(duì)每種電路故障類別的多組樣本信號(hào)分別進(jìn)行p階FRFT，獲取每種類別故障的樣本信號(hào)的頻域特征；

步驟三、利用LLE對(duì)每種類別故障的樣本信號(hào)的頻域特征進(jìn)行降維，構(gòu)建特征向量樣本集，并將特征向量樣本集平均且隨機(jī)地分為訓(xùn)練集和測(cè)試集；

步驟四、基于訓(xùn)練集數(shù)據(jù)，采用粒子群優(yōu)化算法尋找支持向量機(jī)的最優(yōu)參數(shù)，建立支持向量機(jī)故障診斷分類器；

步驟五、利用支持向量機(jī)故障診斷分類器對(duì)測(cè)試集數(shù)據(jù)進(jìn)行分類診斷，獲得診斷結(jié)果。

進(jìn)一步地，步驟二所述的p＝0.71。

進(jìn)一步地，步驟二所述的對(duì)每個(gè)故障類別的多組樣本信號(hào)分別進(jìn)行p階FRFT，獲取每種故類別障的樣本信號(hào)的時(shí)頻域特征的具體方法為：

對(duì)樣本信號(hào)x(t)做p階FRFT，獲得的時(shí)頻域特征X_p(u)為：

其中，K_p(u,t)為核函數(shù)，t為時(shí)間，具體表達(dá)式為：

其中，n為整數(shù)，為時(shí)頻面旋轉(zhuǎn)角度，p為階數(shù)，u為頻率變量， j為復(fù)指數(shù)。

進(jìn)一步地，步驟三所述利用LLE對(duì)每種類別故障的樣本信號(hào)的頻域特征進(jìn)行降維，構(gòu)建特征向量樣本集的具體方法為：