论文部分内容阅读
随着模拟电路集成度的提升,传统电路故障诊断研究的方法和理论不再适合现代日益扩大的电路规模,这就使得模拟电路故障诊断急需一种新的解决方案。目前对于模拟电路诊断的两个关键为特征数据提取和分类器选择两个部分,因此对数据特征提取关键技术进行创新,也可为分类过程做数据准备。在模拟电路软故障诊断中,单个特征不能多方位地揭示故障信息。本文以模拟电路故障特征的加权融合为主要创新内容,以四阶运算滤波器为实验研究对象展开相关研究。本文的主要内容及创新点如下:1.基于故障特征的频域、时域、统计特性多特征数据作为原始特征集。本文从模拟电路输出数据中提取了三种特征:能量值、峭度值和频域特征(增益、截止频率、中心频率)。该方法利用小波包提取多种特征,为故障提供了多方位的描述,进而获得了更多的故障信息。通过利用不同降维方式和分类器的实验表明,多特征故障特征相较于单故障特征诊断正确率提升了 38个百分点,该实验体现了多特征融合在模拟电路故障诊断方面的优越性,也为降维方式和分类器的选择提供了思路。2.基于 Relief 算法和 CCA 算法(fusion reduction based on Relief and CCA,RCCA)的特征加权融合算法对故障特征进行降维。本文考虑了故障特征的权重与相关性,利用RelifF算法对所有的特征进行权重的求解与筛选,留下对于故障诊断影响因子较大的特征数据,滤掉对故障诊断影响较小的特征数据;对筛选后的特征数据进行CCA算法来加强特征之间的相关性,得到融合特征。然后利用主成分分析法(Principal Component Analysis,PCA)对融合特征进行降维,得到最终的特征数据。最后,最终的特征数据作为支持向量机(Support Vector Machine,SVM)的输入数据,得出诊断结果。采用2个电路作为实验案例,得到诊断的结果和正确率。实验结果表明,本文提出的方法整体诊断正确率高达99.36%,与同类的诊断方法高4个百分点;并且在具体每一种故障电路上的正确率都有所提升,在针对解决个别诊断难度较大的电路类型方面具有优势。3.最后,为了加强模型的实用性,实现模拟电路故障诊断的自动化,本研究基于MATLAB GUI进行了模拟电路故障诊断的界面设计。对设计的界面进行电路测试,诊断正确率达到99.33%,且可对测试样本的类型进行判定。