[發明專利]基于多尺度熵的模擬電路故障檢測方法

在審

• 申請號: 202211302240.8
• 申請日: 2022-10-24
• 公開（公告）號: CN115728618A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 潘慶國;劉姚軍;郭佳;林鵬;曹九穩
• 申請（專利權）人: 國營蕪湖機械廠
• 主分類號: G01R31/28
• 分類號: G01R31/28
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 王帥

本發明涉及模擬電路故障檢測技術領域，具體為基于多尺度熵的模擬電路故障檢測方法，包括步驟如下：步驟(一)電路故障時域特征的選??；步驟(二)電路故障多尺度熵值的計算；步驟(三)基于組合特征的電路故障特征提取。本發明具有以下優點：故障數據量要求低，與神經網絡算法需要大量的測試數據進行訓練不同，在實際故障數據較小的情況下，本發明也能提取故障特征，此外與神經網絡計算相比，本發明還具有較小的計算量，計算時間短等特點；對電路的故障檢測，不需要建立復雜的故障模型，降低人員對電路原理、功能理解的要求，使得方法應用范圍更廣。

技術領域

本發明涉及模擬電路故障檢測技術領域，具體為基于多尺度熵的模擬電路故障檢測方法。

背景技術

模擬電路是印制電路板中，對模擬量進行傳輸、變換、放大、處理、測量和顯示等工作的電路。模擬電路應用于航空、軍事、通信和其他領域，在常見的數?；旌想娐分校M電路僅占20％，但80％的故障是由模擬電路部分引起的。因此，模擬電路故障檢測的研究對于整個電路系統安全穩定運行至關重要。

模擬電路故障檢測是針對電路發生的軟故障(元件的參數隨時間發生偏離，超出本身容差范圍)。由于電路元件的參數存在容差，使得故障具有模糊性，獲取的大量電路參數中的故障特征是否在容差范圍內，有時故障的特征也難以確定，使得故障檢測的準確性無法保證。

傳統模擬電路故障檢測通過在電路可測節點中測量電路信息，推斷電路中故障的形式和失效元器件。隨著人工智能技術的發展，基于神經網絡和支持向量方法的模擬電路故障檢測被廣泛研究。人工智能方法不需要建立復雜的故障模型，適合可測節點少和大規模集成電路的故障檢測，主要包含故障樣本的訓練或特征提取和測試兩個過程?？紤]到神經網絡方法在故障特征提取上不能很好地解釋推理過程和推理依據，且要求充足的故障數據進行神經網絡訓練，針對模擬電路軟故障，本發明采用時域特征與非線性特征結合來分析電路參數隨時間發生偏離過程，通過非線性特征多尺度熵值刻畫參數隨時間變化過程的復雜度來實現模擬電路故障的檢測。

發明內容

針對上述技術問題，本發明提出了基于多尺度熵的模擬電路故障檢測方法。減少電路故障檢測過程中人工干預，在電路故障訓練數據不充足時，可以快速檢測電路故障，降低對修理人員能力的要求。

本發明所要解決的技術問題采用以下技術方案來實現：

基于多尺度熵的模擬電路故障檢測方法，包括步驟如下：

步驟(一)電路故障時域特征的選?。?/p>

對測量獲得的電路參數時間序列進行粗粒子化處理，創建不同尺度或分辨率的粗粒子序列，選取粗粒子序列的有量綱時域特征與無量綱時域特征一起使用作為電路故障時域特征；

步驟(二)電路故障多尺度熵值的計算：

選取適當的樣本熵測量參數，計算經粗?；幚砗蟮臅r間序列的排列熵，獲得數據的多尺度樣本熵；

步驟(三)基于組合特征的電路故障特征提?。?/p>

通過步驟(一)的多尺度時域特征與步驟(二)的多尺度樣本熵值非線性特征，在每個時間尺度下兩個時間序列特征經歸一化后再進行每個元素的乘積即作為組合特征來定量描述模擬電路故障。

優選地，步驟(一)中常見的時域特征包括均值、均方根、峰值、裕度指標、峭度指標和脈沖指標。

優選地，步驟(二)中測量獲得的電路參數時間序列對應著電路故障中的一類軟故障：元件的參數隨時間發生偏離，超出本身容差范圍；

時間序列包含元件的參數在正常容差和超出容差2個條件下的時間序列數據，可以表示為X＝{x₁,x₂,…,x_N}。