基于改进mRMR的模拟电路故障诊断方法技术

本发明专利技术公开了基于改进mRMR的模拟电路故障诊断方法，首先对标准的mRMR原则进行优化，在其原始判断依据中引入一个权重因子，这个权重因子用来细化相关性和冗余性。其次提取模拟电路的故障特征作为原始的故障特征集，利用mRMR原则对其进行原始故障特征集进行优化。以指定步长得出一组嵌套的故障特征集合，以诊断的正确率作为标准，在这组故障特征集合中选取最优特征子集。采用SVVD作为分类器，核函数选用径向基核函数，借助遗传算法的搜索能力得出最优的惩罚参数和核函数参数。本发明专利技术引入特征相关冗余权重因子以细化对特征相关性和冗余性的度量,通过对权重进行不同的赋值，对准则中特征相关性与冗余性的加权系数进行调整，以求得到最好的特征选择结果。

Analog circuit fault diagnosis method based on improved mRMR

The invention discloses a method for analog circuit fault diagnosis based on improved mRMR, first principle of mRMR standard optimization, introducing a weighting factor in the original judgment, the weighting factor is used to refine the correlation and redundancy. Secondly, the fault feature of analog circuit is extracted as the original fault feature set, and the original fault feature set is optimized by using the mRMR principle. Set fault feature to specify a set of nested draw step, with the correct rate of diagnosis as the standard, select the best subset of features in the set of fault group. SVVD is used as classifier, kernel function is selected as RBF kernel function, and the optimal penalty parameter and kernel function parameter are obtained by the searching ability of genetic algorithm. The invention introduces characteristics related to redundancy weighting factor to refine the characteristics of relevance and redundancy of the measurement, based on the weight assignment of weighting coefficient to the standard feature relevance and redundancy of the adjustment, in order to get the best result of feature selection.

【技术实现步骤摘要】
基于改进mRMR的模拟电路故障诊断方法
本专利技术属于模拟电路故障诊断领域，涉及通过技术手段解决模拟电路故障诊断过程中故障特征不够优化、故障识别率不够高的问题，具体涉及基于改进mRMR的模拟电路故障诊断方法。
技术介绍
在现代科技电路模型中，语音通讯的结合也会在其中生成正面作用。在整个运行系统中，虽然数字电路的比重占到了五分之四，但至少有五分之四的电路故障是由模拟电路引起的，因此模拟电路的稳定性、可靠性等因素在电子设备正常运行的过程中是举足轻重的，推动模拟电路的发展是促进智能信息技术前进的原动力。伴随着半导体行业的高速发展，在这一领域开展调查研究清晰明确的向各国专家学者指出，模拟系统诊断问题模型中具有元器件存在容差，故障模型极端复杂多样，以及不完整的故障信息和非线性系统等难点。造成了电路模型问题的复杂化和多样化，使得电路模型的问题诊断也就增加了愈加艰巨。集成电路生产和发展的关键是模拟电路的系统诊断问题模型方法的突破，为了满足微电子技术发展和工业生产发展，对模拟电路模型产生更高层次的需求，并且探索诊断技术的新理论和新技术就显得更加迫在眉睫了。对模拟电路故障模型的智能诊断技术进行更高层次本文档来自技高网...

【技术保护点】
基于改进mRMR的模拟电路故障诊断方法，其特征在于包含以下步骤：S1：提供激励信号至诊断电路；S2：选择测试点；S3：提取原始故障特征；S4：结合改进mRMR原则得出最优故障子集，并构造故障样本；S5：利用遗传算法优化SVVD分类器惩罚参数和核函数参数得出诊断结果。

【技术特征摘要】
1.基于改进mRMR的模拟电路故障诊断方法，其特征在于包含以下步骤：S1：提供激励信号至诊断电路；S2：选择测试点；S3：提取原始故障特征；S4：结合改进mRMR原则得出最优故障子集，并构造故障样本；S5：利用遗传算法优化SVVD分类器惩罚参数和核函数参数得出诊断结果。2.根据权利要求1所述的基于改进mRMR的模拟电路故障诊断方法，其特征在于步骤2中选择测试点时选择最优测试点的步骤如下：(1)提取元件参数值以及不同测试点的故障数据，候选测试点的个数为m，元件个数值为n,元件的参数值为Rk(1≤k≤n)，不同测试点的参数值Ui(k),1≤i≤m,1≤k≤n,对数据进行无量纲处理，x0(k)为参考序列，xi(k)为比较序列，即：(2)根据参考序列和比较序列计算灰色关联系数，上式中，为两级最小差值，其具体过程为先以k为标准，在|x0(k)-xi(k)|,1≤k≤n中挑选最小值然后以i为标准，在1≤i≤m中挑选最小值两级最大差值，与两级最小差值定义类似(3)对上述步骤2得到的灰色关联系数进行映射：此时满足∑pi(k)＝1；(4)计算比较序列xi(k)的灰熵，Hi最大对应的节点i即为最优测试点。3.根据权利要求1所述的基于改进mRMR的模拟电路故障诊断方法，其特征在于步骤3中所述提取原始故障特征具体包含以下步骤：(1)对原始信号进行预处理；(2)对预处理后的取样信号向量集合通过N层提升小波包分解，获得提升小波包分解系数序列kj；(3)对各层提升小波包分解系数序列kj的样本点相应的能量特征向量进行求解；(4)对能量特征向量利用标准...

【专利技术属性】
技术研发人员：杨雷雷，单剑锋，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32