[发明专利]一种基于改进型克隆选择算法的模拟电路故障诊断方法

说明书

技术领域

本发明涉及电路故障诊断领域，尤其涉及基于克隆选择算法的模拟电路故障诊断领域。

背景技术

随着电子技术的飞速发展，电路测试诊断特别是模拟电路故障诊断越来越复杂。目前，人工免疫技术中的克隆选择算法是故障诊断领域中最活跃的一个分支，它也是人工免疫技术中最突出的技术之一，具有神经网络无法比拟的快速收敛能力。同时，近些年出现了很多克隆选择算法的变种，其中有些算法已经应用于模拟电路故障诊断中，并表现出了其优越的性能。

克隆选择算法的优点是以高频变异和克隆为搜索方式，避免了出现模式收敛，保留了种群多样性。其缺点是高频变异具有不确定性；亲和度越高的克隆数量越大，会使克隆规模和计算量增大；结果可能不是全局最优，具体而言有如下缺点：算法中的判决条件中设定统一的判定半径会造成故障拒分、多分；而且判定半径的大小也很难决定；亲和度的计算方式f＝1/d，在d=0时会造成计算溢出。

发明内容

有鉴于此，为了解决上述问题，本发明提供了一种基于改进型克隆选择算法的模拟电路故障诊断方法。

为了解决上述技术问题，本发明是这样实现的：

一种基于改进型克隆选择算法的模拟电路故障诊断方法，包括：

步骤一、提取训练样本；

令被测模拟电路处于各种状态；在每种状态下，从被测模拟电路的M个节点提取的特征值，每个节点提取n种类型的特征值；则一个节点的n种类型特征值构成一个个体，表示为A＝{a₁，a₂，…，a_n}，M个个体组成一个训练样本；每种状态下多次提取训练样本；

步骤二、知识训练；

步骤21、选择一个训练样本，构成抗体种群S_M，抗体种群规模为M；

步骤22、求取所述抗体种群S_M的种群中心O＝{o₁，o₂，…，o_n}，其中，种群中心O的分量o_i由抗体种群S_M中所有个体的对应分量a_i进行平均值计算得到，i=1,2,…,n；然后采用公式（1）计算抗体种群S_M中每个个体的亲和力：

f=11+D---(1)]]>

其中，为个体与种群中心之间的曼哈坦距离；

步骤23、对抗体种群S_M进行选择和抑制，获得新的群体S_N；

步骤24、对群体S_N进行比例克隆，生成临时克隆群体C；

步骤25、对临时克隆群体C进行选择变异，生成成熟的克隆群体C*；

步骤26、对成熟的克隆群体C*进行选择替换，得到更新后的群体S_N；

步骤27、重复执行步骤24到步骤26的迭代过程，直至两次迭代的群体S_N的总体亲和度的差别达到阈值H_T则停止迭代；其中，总体亲和度采用群体S_N中全部个体亲和力的平均值表示；

步骤28、获取最终群体S_N的中心，即最优聚类中心；

对于每个训练样本，都经过步骤21至步骤27得到多个最优聚类中心，每个最优聚类中心对应一个状态，知识训练结束；

步骤三、故障诊断；

提取被测模拟电路处于待诊断状态时的测试样本，获取测试样本与所有最优聚类中心之间的曼哈坦距离，将故障诊断结果定位至与最小曼哈坦距离对应的状态类型。

优选地，步骤23中，所述选择为：采用以亲和力为指标的轮盘赌技术从抗体种群S_M中选择。

优选地，步骤24中，群体S_N中各个体的克隆规模取个体亲和力的对数函数。

优选地，步骤25中，采用公式（2）计算临时克隆群体C中每个个体的变异概率，η为设定的调节系数；