[发明专利]基于连续小波分析和ELM网络的模拟电路故障诊断方法

权利要求书

1.基于连续小波分析和ELM网络的模拟电路故障诊断方法，其特征在于，包括数据获取、特征提取与故障分类三个步骤，具体为：

数据获取：对模拟电路的输出端进行数据采样以获得输出响应数据集；

特征提取：将输出响应数据集分别作为训练集与测试数据集进行连续小波变换，获得故障信号的小波时频系数矩阵，将小波时频系数矩阵分割为八块大小相同的子矩阵，通过对子矩阵进行奇异值分解得到奇异值，计算每块子矩阵奇异值的Tsallis熵，得到的Tsallis熵值构成相应的电路响应故障特征向量；

故障分类：将电路响应故障特征向量输入给ELM神经网络，实现模拟电路故障准确、迅速的故障分类；

将小波时频系数矩阵通过分割法获得的八块子矩阵，由下式表示：

此处，W_x(τ,a)表示m×n维小波时频系数矩阵，τ为时间参数，a为频率参数，此处，B₁,B₂,B₃,B₄,B₅,B₆,B₇,B₈表示分割后得到的八块子矩阵；

所述对子矩阵进行奇异值分解得到奇异值，由下式表示：

B_c×d＝U_c×lA_l×lV_l×d (4)，

此处，B_c×d表示经式(3)分割后得到的c×d维子矩阵；A的主对角线元素λ_i(i＝1,2,…,l)是B_c×d的奇异值且λ₁≥λ₂≥…≥λ_l≥0,l为非零奇异值个数；

所述计算每块子矩阵奇异值的Tsallis熵，由下式表示：

此处，W_TSE表示计算得到的Tsallis熵值，q表示非广延参数，取q＝1.2；

通过式(5)计算得到的各子矩阵奇异值的Tsallis熵值组合在一起就构成相应的电路响应故障特征向量。

2.根据权利要求1所述的基于连续小波分析和ELM网络的模拟电路故障诊断方法，其特征在于，

所述小波时频系数矩阵通过下式获得，即：

此处，W_x(τ,a)代表信号x(t)的连续小波变换时频系数矩阵；τ与a分别表示连续小波变换的时间参数与频率参数，a>0；表示小波母函数；表示小波基函数，是由小波母函数进行伸缩和平移而形成的一组函数系列，即：