[发明专利]基于改进遗传算法的模拟电路多故障诊断方法

说明书

本发明公开了一种基于改进遗传算法的模拟电路多故障诊断方法，首先分析得到模拟电路在不同测点处的传输函数，测量得到模拟电路在不同频率激励信号下这些测点处的输出电压，构成故障输出电压向量，将元件参数值向量作为遗传算法中的个体，在进行个体交叉时，根据个体中故障元件数量分不同情况选择交叉位置，将最后一代种群中最优个体中参数值位于故障范围内的代表性故障元件作为故障诊断结果。本发明利用遗传算法找到与模拟电路故障输出电压向量最接近的输出电压向量，从而得到故障诊断结果，对个体交叉的方法进行改进以提高遗传算法的效率。采用本发明可以能够找到事前没有存储的故障源，提高故障诊断准确率。

技术领域

本发明属于模拟电路故障诊断技术领域，更为具体地讲，涉及一种基于改进遗传算法的模拟电路多故障诊断方法。

背景技术

目前，在模拟电路故障诊断领域，主要有测前仿真(如故障字典方法)和测后仿真方法。测前仿真是在测试前根据电路图和参数等对电路的可能故障进行仿真，并将故障响应存储起来，当电路发生故障后，用之前构建字典时采用的激励，测量故障响应。然后从字典去查找与之最相近的响应，从而找到故障。这种方法的优点是故障诊断速度较快，但缺点同样明显，即构建字典时，需要穷举所有故障。而模拟元件参数是连续变化的，因此穷举法的空间复杂度较高。对于一个含有C个器件的模拟电路，如果每个元件均匀采样100个故障存入故障字典，则需要100C个存储单位来存储这100个单故障。如果考虑多故障组合情况，则需要存储100C×100C＝10⁴C²个存储单位。此外，构建这样的字典，需要的测前仿真工作量也是几乎无法完成的。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于改进遗传算法的模拟电路多故障诊断方法，对遗传算法进行改进，实现多故障的准确诊断。

为实现上述发明目的，本发明基于改进遗传算法的模拟电路多故障诊断方法包括以下步骤：

S1：获取模拟电路在M个测点t_m处的传输函数，m＝1,2,…,M；

S2：当模拟电路出现故障时，在K个不同频率激励信号下测量得到M个测点t_m处的输出电压分别表示输出电压的实部和虚部，j为虚数单位，k＝1,2,…,K，构成故障输出电压向量

S3：以X＝{x₁,x₂,…,x_N}作为遗传算法中的个体，其中x_n表示第n个元件的参数值，n＝1,2,…,N；随机初始化G个个体构成初始种群P，每个个体中随机选择h个元件的参数值在故障范围内随机取值，h≤H，H表示模拟电路中最多同时发生故障的元件数量，其余元件参数值在容差范围内随机取值；

S4：判断是否达到遗传算法的迭代结束条件，如果是，进入步骤S10，否则进入步骤S5；

S5：对种群P中的个体进行交叉操作，得到种群P′，交叉操作的具体方法如下：

将种群P中需要进行交叉的两个个体分别记为p_i和p_j，个体中故障元件数量分别记为λ_i和λ_j；

当λ_i+λ_j＜H，任意选择交叉位置；

当λ_i+λ_j＝H且λ_i×λ_j＝0，在包含故障元件的个体中任意选择一个故障元件作为交叉位置；