[发明专利]一种基于多级分类的模拟电路诊断方法

说明书

本发明公开一种基于多级分类的模拟电路诊断方法，基于多级分类的思想，从频域分析和时域分析相结合出发，首先对测试电路进行原理解析，观察待测电路的频谱特性，从上、下限截止频率的变化对故障进行初级定位。初级定位之后，故障范围进一步缩小，之后通过多分辨率分析提取电路故障信号的特征，形成故障特征集，最后采用支持向量机精确识别各种故障。本发明可以快速有效的实现模拟电路故障的准确定位。

技术领域

本发明涉及模拟电路故障诊断技术领域，具体涉及一种基于多级分类的模拟电路诊断方法。

背景技术

随着科技的发展，特别是电子领域和计算机领域技术的突飞猛进，电子设备的应用愈来愈多，设备中的电子元件也越来越复杂，涉及的方面也越来越广。但每个元件在整个设备中都起着举足轻重的作用，任何元件发生微小的故障都有可能导致整个设备的误差，甚至造成巨大的安全隐患。不仅要及时诊断出哪些元件发生了变化，又要准确地诊断和定位电子元件的故障位置和故障原因才是最至关重要的。

虽然电子设备中有较大部分是数字电子电路，但是却有80％的故障发生在模拟电路部分。模拟电路的故障包括硬故障和软故障，硬故障指电子元件完全失效而不能正常工作，软故障指电子元件参数偏移正常范围的正负50％的范围内且能正常工作。模拟电路的硬故障较为容易地发现和定位，而模拟电路的软故障却不容易发现和定位，每个设备中模拟电路由于其非线性、容差性故障模型的失效、可访问结点的不充分以及测量的不确定性使得故障诊断非常困难。

关于模拟电路故障诊断的研究，研究者们提出了不同的诊断方法，如传统的基于信号处理和解析模型的模拟电路故障诊断方法，其包括故障字典法、元件参数识别法、故障验证法，然而，单一的基于原理解析的传统方法存在着模型过于复杂、无法最终定位故障等缺点；又如基于人工智能“特征提取-学习训练-模式识别”的智能信息诊断方法等，然而，基于人工智能的智能信息诊断方法虽然能精确定位故障，但存在着算法复杂度高、数据量过大等缺点。

发明内容

本发明针对现有模拟电路故障诊断方法存在诊断准确率低和复杂度高的问题，提供一种基于多级分类的模拟电路诊断方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于多级分类的模拟电路诊断方法，包括步骤如下：

步骤1、选取各类已知故障的模拟电路和正常的模拟电路作为样本模拟电路，构建训练样本库；

步骤2、对训练样本库中的样本模拟电路施加一个激励源，并获得样本模拟电路的截止频率参数和输出响应参数；其中截止频率参数包括上限截止频率和下限截止频率；输出响应参数为输出电压；

步骤3、对各个样本模拟电路的截止频率参数进行频率分析，并将所有样本模拟电路分为4种初级故障类型，即：上限截止频率上升，下限截止频率保持不变；上限截止频率下降，下限截止频率不变；下限截止频率上升，上限截止频率不变；下限截止频率下降，上限截止频率不变；

步骤4、对各个样本模拟电路的输出响应参数进行多分辨分析，得到分解系数，并利用该分解系数的能量谱组成样本模拟电路的故障特征向量；

步骤5、根据所确定的样本模拟电路的初级故障类型，对该样本模拟电路的故障特征向量进行分类，由此得到4组故障特征向量；

步骤6、对于每一种初级故障类型，分别利用支持向量机建立一个分类器模型，并利用该初级故障类型所对应的故障特征向量，对该分类器模型进行训练，得到4个故障分类器模型；

步骤7、对待诊断模拟电路施加一个激励源，并获得待诊断模拟电路的截止频率参数和输出响应参数；

步骤8、对待诊断模拟电路的截止频率参数进行频率分析，并确定待诊断模拟电路所属的初级故障类型，进而选择该初级故障类型所对应的故障分类器模型；