[發(fā)明專利]一種基于響應(yīng)混疊性度量小波包分解算法的參數(shù)優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010326364.4
• 申請日: 2020-04-26
• 公開（公告）號: CN111610428B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 楊智明;俞洋;賈紹華;肖紫文;彭喜元
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G01R31/28
• 分類號: G01R31/28;G01R31/3161
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 時起磊

一種基于響應(yīng)混疊性度量小波包分解算法的參數(shù)優(yōu)化方法，涉及模擬電路故障檢測中一種參數(shù)優(yōu)化方法。本發(fā)明為了解決現(xiàn)有模擬電路中部分低靈敏度器件在參數(shù)容差的影響下故障狀態(tài)與正常狀態(tài)界限模糊，導(dǎo)致其故障檢測率低的問題。本發(fā)明所述方法包括獲取電路元件靈敏度順序表；得到正常/故障狀態(tài)原始數(shù)據(jù)；建立小波包分解特征提取方法庫；使用方法庫內(nèi)小波包分解方法處理電路正常/故障狀態(tài)原始數(shù)據(jù)，計算處理后得到的高維距離度量值；根據(jù)高維距離度量值得到正常/故障狀態(tài)正態(tài)分布曲線；計算每種小波包分解方法處理后的故障/正常狀態(tài)正態(tài)分布曲線間的混疊面積；按優(yōu)先級優(yōu)選出最優(yōu)小波包分解算法的參數(shù)。屬于模擬電路故障檢測領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及模擬電路故障檢測中一種參數(shù)優(yōu)化方法，具體涉及一種基于響應(yīng)混疊性度量小波包分解算法的參數(shù)優(yōu)化方法。

背景技術(shù)

隨著我國國防科技的發(fā)展，電子系統(tǒng)廣泛地應(yīng)用在導(dǎo)彈控制、通信、目標(biāo)探測、敵我識別等領(lǐng)域中，武器裝備中電子系統(tǒng)的規(guī)模日益擴大，復(fù)雜程度越來越高，所以電子系統(tǒng)的可靠性決定了武器裝備的性能。對于武器裝備影響其可靠性的重要因素就是系統(tǒng)中各類器件因參數(shù)漂移而引發(fā)的故障。根據(jù)元件參數(shù)變化對電路輸出信號的影響程度，系統(tǒng)中各元件可被分為高靈敏度器件和低靈敏度器件。高靈敏度器件由于其故障特征較為明顯，許多故障檢測方法均取得了較好的成果。而低靈敏度器件故障對電路輸出的影響程度較小，故障特征與正常特征的混疊性較大，往往在故障檢測模型訓(xùn)練過程中認(rèn)定其為可靠器件，不考慮其故障的發(fā)生。但隨著時間推移，當(dāng)?shù)挽`敏度器件故障對電子系統(tǒng)的影響不能忽略時，若不能對其進(jìn)行及時準(zhǔn)確地檢測往往會導(dǎo)致電子系統(tǒng)在未經(jīng)預(yù)警的情況下發(fā)生性能退化甚至是系統(tǒng)異常，無法正常運行。因此我們需要一種靈敏的故障檢測模型，在保障高靈敏度器件故障檢測率的同時，盡可能提高對低靈敏度器件故障的識別準(zhǔn)確率，保證電路的各類元件狀態(tài)變化均在監(jiān)控之中，提高所有元件的平均故障檢測準(zhǔn)確率。

由于模擬電路中的低靈敏度器件故障對電路的輸出影響較微弱，選擇合適的特征提取算法及參數(shù)就顯得尤為重要。特征提取方法是建立故障檢測模型中的重要環(huán)節(jié)。如果不選擇一種有效的特征提取方法，提取出的故障特征不明顯，與正常樣本特征的混疊性較大，不利于該類故障的檢測。小波包分解憑借其出色的“時-頻”分析能力，在特征提取中被廣泛使用。提取到的故障特征與正常特征的差異度除了小波基函數(shù)種類、選做特征的小波系數(shù)子帶數(shù)k等因素的影響以外，還取決于映射到特征空間的核函數(shù)種類。因此提出一種參數(shù)優(yōu)選方法，可以在訓(xùn)練故障檢測模型前確定小波包分解算法的參數(shù)，避免了因以故障檢測率為標(biāo)準(zhǔn)確定特征提取方法參數(shù)所帶來的重復(fù)工作，提高參數(shù)優(yōu)化效率，同時最大化故障特征與正常特征間的差異程度，減小故障識別難度，可以在保證高靈敏度器件故障檢測率的基礎(chǔ)上提高低靈敏度器件故障的檢測率。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有模擬電路中，部分低靈敏度器件在參數(shù)容差的影響下故障狀態(tài)與正常狀態(tài)界限模糊，導(dǎo)致其故障檢測率較低的問題，而提出的一種基于響應(yīng)混疊性度量小波包分解算法的參數(shù)優(yōu)化方法。

一種基于響應(yīng)混疊性度量小波包分解算法的參數(shù)優(yōu)化方法包括：

步驟一：獲取電路元件靈敏度順序表，元件按電路元件靈敏度升序排列；

步驟二：在脈沖信號的激勵下獲取電路N次正常狀態(tài)響應(yīng)數(shù)據(jù)以及由故障元件P_i引起的故障狀態(tài)下的響應(yīng)數(shù)據(jù)共N×p次，即得到N條正常狀態(tài)原始數(shù)據(jù)和N×p條故障狀態(tài)原始數(shù)據(jù)；

其中，i＝1,2,…,p；

步驟三：建立小波包分解特征提取方法庫W＝{w₁,w₂,…,w_q}；

其中，W表示所有待選擇的特征提取方法的集合，w₁,w₂,…,w_q分別代表第1、2、…、q種特征提取方法；