[发明专利]一种基于交叉小波特征的模拟电路故障诊断方法

摘要

一种基于交叉小波特征的模拟电路故障诊断方法，包括以下步骤：向被测模拟电路输入激励信号,采集时域响应输出信号，构成原始数据样本集；将原始数据样本集分成训练样本集和测试样本集；将训练样本集和测试样本集，均进行交叉小波分解，分别获取训练样本集和测试样本集的小波交叉谱；应用双向二维线性判别分析对训练样本集和测试样本集的小波交叉谱进行处理，提取训练样本集和测试样本集的故障特征向量；将训练样本集的故障特征向量提交给支持向量机用于训练SVM分类器，构建支持向量机故障诊断模型；向该模型输入测试样本集的故障特征向量，进行故障分类。使用本发明，能高效地识别模拟电路故障，并显著提高模拟电路故障诊断的精度。

主权项

一种基于交叉小波特征的模拟电路故障诊断方法，其特征在于，包括以下步骤：步骤一：向被测模拟电路输入激励信号,采集正常状态下的时域响应输出信号和故障状态下的时域响应输出信号共同构成一个原始数据样本集；此处，原始数据样本集中的正常时域响应输出信号和故障时域响应输出信号，按照采集顺序依次排列在原始数据样本集中；然后，从原始数据样本集内的正常时域响应输出信号和故障时域响应输出信号中，各选择50％构成训练样本集，将剩余的50％构成测试样本集；步骤二：将训练样本集和测试样本集，均进行交叉小波分解，分别获取训练样本集的小波交叉谱和测试样本集的小波交叉谱；其中：小波交叉谱以二维矩阵形式存在；步骤三：应用双向二维线性判别分析对训练样本集的小波交叉谱进行处理，提取训练样本集的故障特征向量；应用双向二维线性判别分析对测试样本集的小波交叉谱进行处理，提取测试样本集的故障特征向量；步骤四：将训练样本集的故障特征向量提交给支持向量机用于训练SVM分类器，构建基于训练样本特征向量的支持向量机故障诊断模型；待模型训练完成后，向该模型输入测试样本集的故障特征向量，进行故障分类。