基于信息熵和小波变换的开关电流电路故障字典获取方法技术

本发明专利技术公开了一种基于信息熵和小波变换的开关电流电路故障字典获取方法，步骤1：产生伪随机信号作为测试激励信号；步骤2：定义故障模式，步骤3.采集电路的原始响应数据，步骤4.采用Haar小波正交滤波器对原始响应数据进行预处理，得到低频近似信息和高频细节信息；步骤5.计算低频近似信息和高频细节信息的信息熵作为故障特征参数来识别电路各故障模式，步骤6.计算信息熵模糊集构建故障字典；基于故障特征参数获得每种故障模式及正常模式的低频近似信息熵模糊集和高频细节信息熵模糊集；建立用于开关电流电路故障分类的故障字典。本发明专利技术构思巧妙，易于实施，仿真证明，相比现有方法，能更准确的区分出各种故障类型。

【技术实现步骤摘要】
基于信息熵和小波变换的开关电流电路故障字典获取方法
本专利技术涉及一种基于信息熵和小波变换的开关电流电路故障字典获取方法。
技术介绍
电路故障诊断一直是现代电路理论的研究热点和难点。随着电子技术设计和制作工艺的飞速发展，电子电路集成化程度和制版工艺的日益提高，而相对应的故障检测与诊断却进展缓慢，混合信号电路中的模拟部分的测试与故障诊断问题成了困扰集成电路工业生产和发展的技术瓶颈。虽然近年来在模拟电路故障诊断方面取得重要的进展，开关电流电路作为模拟电路的一部分，在近十儿年也得到迅速的发展，然而，在开关电流电路故障诊断方面一直进展缓慢，极大地限制了数字工艺的模拟技术-开关电流技术的发展，而且开关电流电路中MOS晶体管的非理想性、非零输出电导、有限带宽和开关电荷注入等原因决定了开关电流电路的故障特征提取是一个相当困难的课题，一直没有取得系统性和突破性的进展。20世纪90年代，已报道了一些开关电流电路测试和故障诊断方法。如：如Saether等提出一种利用改变时钟顺序将二分电路结构重组为串连电流镜结构并将输入与输出直流信号进行对比的方法。这种方法仅适用于特殊的开关电流二分电路结构，时钟的正确转换也相当复杂。Taylor等提出了一种对开关电流四乘幂滤波器振荡能力的测试方法。Renovell等提出一种适用于使用相同开关电流存储单元电路的BIST方法。单独的测试时钟电路在电路内部插入，并比较级联电流镜的输入与输出直流信号。Wey提出一种基于直流信号的开关电流流水线结构AD转换器的测试方法，测试时间得到有效地降低，但嵌入电路中的器件参数失配会使新的偏移电压产生，而使测试精度受到影响，需要采用片外高精度电阻进行调节。上述方法都只对某一特定电路结构和只能测试部分电路功能或特定结构适用，而很少讨论软故障的诊断、估计信号的容差等等。近年来，在开关电流电路测试和故障诊断方法研究领域的研究成果也不多。黄俊等人借鉴模拟电路故障诊断的方法对开关电流基本存储单元作了故障诊断的初步探讨，对无MOS开关的基本存储单元电路进行了硬故障测试。由于测量的是电流参数，导致可用于测试的有关故障信息量不充分，造成故障定位的不唯一性和模糊性，甚至根本不可诊断。郭杰荣等人提出了开关电流电路的伪随机测试方法，但该方法的误判率较高。张镇等人提出了基于支持向量机的信息熵和峭度预处理的开关电流电路故障诊断方法。但是由于峭度对野值较敏感导致故障诊断率不高。文献1“Long，Y.，He，Y.G.，&Yuan，L.F.(2011)Faultdictionarybasedswitchedcurrentcircuitfaultdiagnosisusingentropyasapreprocessor.AnalogIntegratedCircuitsandSignalProcessing，66(1)，93-102.”首次将故障特征预处理概念引入到开关电流电路故障诊断中，提出了信息熵预处理的开关电流电路故障字典诊断方法。但该方法仅适应于中小规模开关电流电路诊断。文献2“Guo，J.，R.，He，Y.G.，LiuM.R.，(2011)Waveletneuralnetworkapproachfortestingofswitched-currentcircuits.JElectronTest，27：611-625.”提出了开关电流电路小波神经网络诊断方法。该方法能正确无误的诊断出所有硬故障，但对于低灵晶体管的软故障却达不到好的诊断效果。因此，有必要设计一种新型的应用于开关电流电路故障诊断的故障字典获取方法。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于信息熵和小波变换的开关电流电路故障字典获取方法，该基于信息熵和小波变换的开关电流电路故障字典获取方法易于实施，相比现有方法，能更准确的区分出各种故障类型。专利技术的技术解决方案如下：一种基于信息熵和小波变换的开关电流电路故障字典获取方法，其特征在于，包括以下步骤：步骤1：产生伪随机信号作为测试激励信号；伪随机信号为伪随机脉冲序列；伪随机脉冲序列为脉冲电压信号，由移位寄存器产生，测试时由微处理器(如DSP)的IO端口输出。伪随机序列系列具有良好的随机性和接近于白噪声的相关函数，并且有预先的可确定性和可重复性。因为开关电流电路是属于模拟采样数据处理技术，是数字工艺的模拟技术。所以采用伪随机序列测试要比正弦信号好。步骤2：定义故障模式：对电路进行灵敏度分析，得到元件参数的改变对电网络系统特征的一阶改变，来定位电路中最有可能发生故障的故障元件；并基于故障元件定位划分故障模式；故障元件的数量为N，则故障模式的种类为2*N个；针对每一个元件，有跨导值高于标称值的故障和低于标称值的故障；↓和↑分别表示某一个元件的跨导比标称值低的故障和比标称值高的故障；步骤3.采集电路的原始响应数据：用伪随机信号激励被测的开关电流电流电路，用ASIZ软件对被测开关电流电路的各种故障状态及正常状态进行仿真，从开关电流电路的输出端采集到原始响应数据；该原始响应数据为电流数据；步骤4.采用Haar小波正交滤波器对原始响应数据进行预处理；利用Haar小波正交滤波器作为采集序列的预处理系统，得到观测信号的低频近似信息和高频细节信息；步骤5.故障特征参数提取；分别针对预处理后的信号计算低频近似信息和高频细节信息的信息熵作为的故障特征参数来识别电路各故障模式，信息熵的计算公式为：J(x)＝k1(E{G1(x)})2+k2(E{G2(x)}-E{G2(v)})2；式中，k1与k2为正常数，v为标准化的高斯变量；式中，和k2＝1/(2-6/π)；x是预处理后的数据，即步骤4所得到的低频近似信息和高频细节信息；E表示期望值(即E为求均值操作)，G1和G2是信息熵的两个函数；步骤6.计算信息熵模糊集构建故障字典；模糊区间是晶体管跨导值gm在容差范围为5％或10％变化时所得到的信息熵的变化区间。与模糊控制中的模糊集不是一个概念.用ASIZ软件仿真时有一个蒙特卡罗(Monte-Carla)分析功能，仿真时进行了30次蒙特卡罗(Monte-Carla)分析，每一次分析可得到一组时域响应数据，可计算出相应低频和高频信息熵，30次分析即可得到30个低频和高频信息熵，这30个信息熵在一个区间内，即构成了模糊区间，即模糊集；基于故障特征参数，获得每种故障模式及正常模式的低频近似信息熵模糊集和高频细节信息熵模糊集；模糊集是晶体管跨导值gm在容差范围为5％或10％(下面取5％举例说明)变化时所得到的信息熵的变化区间。例如：Mg1↓故障跨导标称值是1.9134，故障值是0.9567，按容差5％变化，故障值变化区间为0.9089-1.0045，计算出的信息熵变化区间为4.7353-5.5344，即信息熵模糊集。低频近似信息熵模糊集和高频细节信息熵模糊集均为一个数值区间；正常模式是指电路未发生故障的模式【即除了故障模式之外的模式】；并给每一种故障模式和正常模式设定一个故障代码；将故障模式、故障代码和故障特征值以及故障特征模糊集作为一组数据列成一个表，如果故障特征模糊集足以隔离出所有故障即用现有信息建立用于开关电流电路故障分类的故障字典。通过模糊区间和图都可以区分所有故障，模糊区间没有重合就可以区分本文档来自技高网...

【技术保护点】
一种基于信息熵和小波变换的开关电流电路故障字典获取方法，其特征在于，包括以下步骤：步骤1：产生伪随机信号作为测试激励信号；伪随机信号为伪随机脉冲序列；步骤2：定义故障模式：对电路进行灵敏度分析，得到元件参数的改变对电网络系统特征的一阶改变，来定位电路中最有可能发生故障的故障元件；并基于故障元件定位划分故障模式；故障元件的数量为N，则故障模式的种类为2*N个；步骤3.采集电路的原始响应数据：用伪随机信号激励被测的开关电流电流电路，用ASIZ软件对被测开关电流电路的各种故障状态及正常状态进行仿真，从开关电流电路的输出端采集到原始响应数据；该原始响应数据为电流数据；步骤4.采用Haar小波正交滤波器对原始响应数据进行预处理；利用Haar小波正交滤波器作为采集序列的预处理系统，得到观测信号的低频近似信息和高频细节信息；步骤5.故障特征参数提取；分别针对预处理后的信号计算低频近似信息和高频细节信息的信息熵作为故障特征参数来识别电路各故障模式，信息熵的计算公式为：J(x)＝k1(E{G1(x)})2+k2(E{G2(x)}‑E{G2(v)})2；式中，k1与k2为正常数，v为标准化的高斯变量；式中，和k2＝1/(2‑6/π)；x是预处理后的数据，即步骤4所得到的低频近似信息和高频细节信息；E表示期望值(即E为求均值操作)，G1和G2是信息熵的两个函数；步骤6.计算信息熵模糊集构建故障字典；基于故障特征参数获得每种故障模式及正常模式的低频近似信息熵模糊集和高频细节信息熵模糊集；模糊集是晶体管跨导值gm在容差范围为5％或10％变化时所得到的信息熵的变化区间；低频近似信息熵模糊集和高频细节信息熵模糊集均为一个数值区间；正常模式是指电路未发生故障的模式；并给每一种故障模式和正常模式设定一个故障代码；将故障模式、故障代码和故障特征值以及故障特征模糊集作为一组数据列成一个表，如果故障特征模糊集足以隔离出所有故障，即用现有信息建立用于开关电流电路故障分类的故障字典。...

【技术特征摘要】
1.一种基于信息熵和小波变换的开关电流电路故障字典获取方法，其特征在于，包括以下步骤：步骤1：产生伪随机信号作为测试激励信号；伪随机信号为伪随机脉冲序列；步骤2：定义故障模式：对开关电流电路进行灵敏度分析，得到元件参数的改变对电网络系统特征的一阶改变，来定位开关电流电路中最有可能发生故障的故障元件；并基于故障元件定位划分故障模式；故障元件的数量为N，则故障模式的种类为2*N个；步骤3：采集开关电流电路的原始响应数据：用伪随机信号激励被测的开关电流电路，用ASIZ软件对被测开关电流电路的各种故障模式及正常模式进行仿真，从开关电流电路的输出端采集到原始响应数据；该原始响应数据为电流数据；步骤4：采用Haar小波正交滤波器对原始响应数据进行预处理；利用Haar小波正交滤波器作为采集序列的预处理系统，得到原始响应数据的低频近似信息和高频细节信息；Haar小波函数用ψ(t)表示，其定义如下:Haar小波基函数φ(t)是一组分段常值函数组成的函数集，其定义为：Haar正交小波变换等效为一组镜像滤波的过程，即信号通过一个分解高通滤波器和分解低通滤波器，高通滤波器输出原始响应数据的高频分量部分，即细节信息，低通滤波器输出原始响应数据的相对较低的频率分量部分，即近似信息；该滤波分解算法利用降采样的方法即在输出的两点中只取一个数据点，产生两个为原始响应数据长度一半的序列，记为CA和CD；步骤5：故障特征参数提取；分别针对预处理后的原始响应数据计算低频近似信息和高频细节信息的信息...

【专利技术属性】
技术研发人员：龙英，张镇，王新辉，
申请(专利权)人：长沙学院，
类型：发明
国别省市：湖南;43