论文部分内容阅读
电路故障诊断技术自20世纪60年代以来,一直是研究的热门课题之一。随着电子技术的飞速发展,电子电路集成化程度及制版工艺的日益提高,各种元件级故障诊断理论和方法已经难以适应大规模网络故障诊断的需要,从而对大规模电路子网路级诊断方法提出了迫切的要求。但元件容差的存在,严重制约了电路尤其是大规模容差电路故障诊断技术的进一步发展,是电路故障诊断领域的热点和难点。本文研究了大规模容差电路子网络级诊断方法,重点探索了基于网络撕裂法的容差电路诊断方法,力图将大规模容差网络故障诊断方法朝系统化,实用化的方向推进。研究了改进的节点撕裂法,通过引入拟裂点,并融合了逐级撕裂搜索法,使得网络的撕裂具有很大的灵活性。应用区间数学和改进的遗传算法,提出了容差子网络状态的判定条件,从而快速确定故障子网络,为大规模容差电路诊断提供了一种快速、有效的方法。由于电路往往有容差,并且不同节点的电压变化和电流变化对不同故障的敏感程度不同,所以针对故障网络,利用PSpice对不同故障状态的信号进行采集,为故障诊断提供样本数据。传统的小波变换(Wavelet Transform, WT)只对信号近似部分(低频)作进一步的分解,小波包变换(Wavelet Packet Transform,WPT)则可以同时对近似部分和细节部分(高频)进行分解,而在很多电路中,信号的高频部分往往占信号能量的主要部分,因此,本文使用小波包变换对电路故障信号进行特征提取。最初的支持向量机(Support Vector Machine, SVM)算法是对两类问题进行分类,但是电路故障分类属于多类分类问题。针对目前常用的基于SVM的一对多(OAA)、一对一(OAO)多类分类算法的不足,本文提出了基于聚类结合动态剪枝二叉树SVM的电路故障诊断方法。本文针对模拟电路和电力电子电路,基于MatlabR2008a平台,开发了电路故障诊断系统,系统设计了故障诊断的各个模块,实现了基于聚类结合动态剪枝二叉树SVM方法的电路故障诊断系统,做了大量的仿真对比实验。实验结果表明,本文提出的多类分类算法是可行的,并且有效地提高了故障诊断准确率和速度。