[发明专利]一种基于EEMD和HMM的模拟电路间歇故障诊断方法有效
申请号: | 201810343698.5 | 申请日: | 2018-04-17 |
公开(公告)号: | CN108535635B | 公开(公告)日: | 2020-08-07 |
发明(设计)人: | 屈剑锋;贺孝言;肖晨;范滨淇 | 申请(专利权)人: | 重庆大学 |
主分类号: | G01R31/316 | 分类号: | G01R31/316;G06F30/36;G06F111/08 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 赵荣之 |
地址: | 400044 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 eemd hmm 模拟 电路 间歇 故障诊断 方法 | ||
1.一种基于EEMD和HMM的模拟电路间歇故障诊断方法,其特征在于,包括如下步骤:
1)根据现有模拟电路系统制作用于测试的相同模拟电路,测试电路能够进行相关节点的故障注入操作,使用灵敏度分析方法对测试电路进行分析,确定测试电路中的关键节点,选择与测试电路运行状态关联最大的几个关键节点,并为其安装相应继电器;
2)继电器闭合频率能够设置为两种模式:设定固定频率模式以模拟周期性的间歇故障,设定随机闭合频率模式以模拟随机性间歇故障;在测试电路的输入端给定稳定激励信号的情况下,设定继电器闭合频率,在测试电路的输出端处以一定频率采集输出电压来获得响应电压信号,经过滤波器滤除噪声信号共获得N种样本数据;
3)将得到的每种样本数据都均分成m段有相同数量样本点的数据段,采用EEMD方法处理每段信号样本,对原始数据每段信号样本数据特征提取后,将会得到一个m行的特征向量矩阵;将得到的N个特征向量矩阵输入到N个HMM中,训练得到相应的N种隐马尔可夫模型;
4)在现有模拟电路系统的输入端给定与测试电路相同的激励信号,输出端以一定频率采集输出电压来获得响应电压信号作为待测样本数据,然后利用步骤3)中的EEMD方法处理待测样本,最终得到待测样本的特征向量矩阵;
5)将得到的现有模拟电路待测样本的特征向量矩阵输入到步骤3)中训练好的N个HMM中,即得到现有模拟电路故障类型的分类识别结果,从而识别出间歇故障;
所述步骤1)中,选取模拟电路系统中的关键节点元器件的具体过程为:
在同一电路系统中不同的元器件的运行对整个电路系统的影响是不同的,只要判断影响系统运行的关键节点元器件的运行状况,就能够判断整个系统的运行情况;灵敏度分析就是研究与分析系统元器件参数变化与一个系统的状态或输出敏感程度的方法,通过灵敏度分析能够判断哪些元器件对电路系统有较大的影响,针对这些关键节点元器件进行研究,即对系统的整体状态进行诊断与识别;
由于现有模拟电路系统通常不能添加相应的中继器以实现故障的注入操作,需要根据现有模拟电路系统制作用于测试的相同模拟电路,测试电路能够进行相关节点的故障注入;使用灵敏度分析方法对测试电路进行分析,确定测试电路中的关键节点,选择与测试电路运行状态关联最大的几个关键节点,并为其安装相应继电器。
2.根据权利要求1所述的一种基于EEMD和HMM的模拟电路间歇故障诊断方法,其特征在于,所述步骤2)中,采集输出电压来作为样本数据的具体过程为:
继电器的闭合频率有固定频率模式和随机频率模式两种模式;固定频率模式是以固定的频率控制继电器的闭合来模拟关键节点元器件的周期性间歇故障,随机闭合频率模式是以随机的频率控制继电器的闭合来模拟关键节点元器件的随机性间歇故障;
在测试电路系统输入端给定稳定的激励信号的情况下,通过设置关键节点元器件上继电器闭合的频率模式来模拟实际的模拟电路间歇故障,在测试电路的输出处以一定频率采集输出电压来获得响应电压信号作为样本数据,经过滤波器滤除噪声信号,共获得N种状态下的样本数据集。
3.根据权利要求1所述的一种基于EEMD和HMM的模拟电路间歇故障诊断方法,其特征在于,所述步骤3)中,EEMD处理信号并训练HMM的具体过程如下:
EEMD是将白噪声加入待分解信号进行EMD分解,利用EMD分解的IMF分量频谱均匀分布的特性,使不同频带尺度的信号自动地映射到合适的参考频带尺度上,进而达到更好的频带尺度分解效果;将得到的N种样本数据均分成m段有相同数量样本点的数据段,然后对每段样本数据进行EEMD处理;
经EMD分解后的各个IMF包含了信号从高到低不同频率段的成分,各频带能量的变化表征了间歇故障或者故障的发生;选取前n个IMF分量的能量作为特征向量来识别工作状态与故障类型;最终得到一个m行的特征矩阵,将得到的各状态的特征矩阵输入到隐马尔可夫模型HMM中进行训练,得到N种状态下的HMM。
4.根据权利要求1所述的一种基于EEMD和HMM的模拟电路间歇故障诊断方法,其特征在于,所述步骤5)中,分类识别的具体过程为:
在现有模拟电路系统的输入端给定与测试电路相同的激励信号,输出端以一定频率采集输出电压来获得响应电压信号作为待测样本数据,然后利用步骤3)中的EEMD方法处理待测样本,最终得到待测样本的特征向量矩阵,将特征矩阵输入已经训练好的以上N种状态HMM模型,通过前向-后向算法计算观测向量在不同模型下的概率,由概率值最大的HMM模型决定现有模拟电路的状态,从而识别出间歇故障的类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810343698.5/1.html,转载请声明来源钻瓜专利网。