[发明专利]一种基于SVM和HMM的射频模拟电路故障诊断方法

说明书

本发明涉及射频模拟电路故障诊断技术，特别是一种基于SVM和HMM的射频模拟电路故障诊断方法,该方法用针对ATF54143为核心的低噪声放大器电路，提取出有效的故障特征信息，对数据特征进行处理，其中包含K‑Means算法和支持向量机的结合，减少了HMM的训练时间，解决了HMM在训练过程中对小样本数据在确定最相似模型比较最大似然概率时，有可能出现最大似然概率过于相近或相等存在的误判风险，支持向量机适合处理分类，能够最大程度反映出类别差异。K‑Means的引入旨在于对实验数据进行聚类，形成有标签类别的数据，然后放入支持向量机模型，进行更精确的分类。

技术领域

本发明涉及射频模拟电路故障诊断技术，特别是一种基于SVM 和HMM的射频模拟电路故障诊断方法。

背景技术

随着大功率电路的普遍应用，实时掌握功率电路的健康状态信息和预测核心半导体器件的寿命就显得非常重要和迫切。但传统的故障诊断方法如“定时检测”和“事后维修”已经不能满足实际需要，为提高设备和系统的可靠性、维修性、保障性和安全性，对功率电路及其中的关键功率器件进行故障诊断和故障预测显得尤为重要。故障预测与健康管理(PHM)在电子系统中的实际应用已成为未来的发展趋势，PHM指的是使用先进的传感器对系统的各项状态参数进行实时的监测和收集，通过建立模型和算法对收集的参数进行系统状态的评估，并提供系统故障的预测，为系统的维修保障提供合理的决策，以实现系统的状态维修。所以射频模拟电路故障预测的实质是一种模式分类并识别的问题，主要在于两个方面：首先对研究对象进行特征参数提取和预处理，其次利用模式识别的方法进行故障诊断。随着人工智能的快速发展，其核心技术机器学习也不断被应用到计算机图像识别、路线规划与导航、语音识别、医疗诊断等方面。

本发明将其应用于故障预测和健康管理领域，通过HMM和K-Means-SVM相结合建立电路故障模型，对电路状态进行故障识别，进一步预测所用半导体芯片的寿命。

发明内容

本发明提出了一种基于SVM和HMM的射频模拟电路故障诊断方法，以便提高射频模拟电路涉及设备或系统的可靠性、维修性、保障性和安全性，最大程度能反映射频模拟电路涉及设备或系统的类别差异，进行更精确的分类。

本发明的目的是这样实现的，一种基于SVM和HMM的射频模拟电路故障诊断方法，其特征是：至少包括：

100.确定射频模拟电路，本次采用射频电路中应用较为广泛的低噪声放大电路进行故障预测的研究，其噪声系数低于普通放大器，一般用于通信、雷达、电子对抗等各类无线电接收设备的高频或中频前置放大器。

101.确定射频模拟电路中的器件，经过对工作频率和噪声等各方面的考虑，ATF54143作为一种增益高、动态范围较宽、噪声较低的E-PHEMT，比较适合作为射频电路故障诊断与预测的特征提取的研究对象。

102.采用ADS仿真软件来获得射频模拟电路中的器件的故障预测特征；

103.对确定的射频模拟电路器件技术参量进行量化处理和存储，得到技术参量变化表现的故障特征；

104.采用ADS完成电路设计，并仿真以温度为环境变化因素，提取多维参数属性，表征低噪放电路的实际工作状态，包含最小噪声和最大增益的匹配；

105.将提取的多维参数属性数据进行聚类，通过K-Means算法将多维参数属性表征为有标签类别的簇；

106.在K-Means聚类后的结果中随机选出每种类别的一部分数据作为测试样本集；

107.测试样本集选出以后将剩余的数据作为训练样本集；

108.选用无跳跃的左右型HSMM类型，确定初始参数，通过EM 算法进行模型训练；

109.得到状态一的HSMM模型以及状态一观测序列的迭代步数和最大似然概率的关系曲线；