【技术实现步骤摘要】
基于遗传算法的模拟电路故障元件参数辨识方法
本专利技术属于模拟电路故障诊断
，更为具体地讲，涉及一种基于遗传算法的模拟电路故障元件参数辨识。
技术介绍
随着电路的高集成化，芯片的面积在不断的减小，而芯片上集成的模拟元件数量不断增多，芯片中模拟部分的诊断费用居高不下。其原因在于集成电路的飞速发展，而其相应的模拟电路故障诊断技术却停滞不前。随着机器学习、人工智能的发展，基于机器学习和人工智能的模拟电路故障诊断理论方法如雨后春笋般涌现。例如：基于神经网络、SVM等结合小波变换的模拟电路故障诊断方法、测点优选等，需要提取大量的故障特征对神经网络、支持向量机等进行训练。如何在容差情况下提取有效的故障特征是这类方法要解决的问题。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于遗传算法的模拟电路故障元件参数辨识方法，通过遗传算法实现对模拟电路单故障和双故障的故障元件参数辨识。为实现上述专利技术目的，本专利技术基于遗传算法的模拟电路故障元件参数辨识方法包括以下步骤：S1：获取模拟...
【技术保护点】
1.一种基于遗传算法的模拟电路故障元件参数辨识方法，其特征在于，包括以上步骤：/nS1：获取模拟电路在D个测点t
【技术特征摘要】
1.一种基于遗传算法的模拟电路故障元件参数辨识方法，其特征在于，包括以上步骤：
S1：获取模拟电路在D个测点td处的传输函数，d＝1,2,…,D；
S2：对模拟电路中进行经测点t进行故障诊断的模糊组分析，为每个模糊组选择一个代表性故障元件，记代表性故障元件的数量为N，记其他非代表性故障元件的数量为M；
S3：设置无故障表示模拟电路中所有故障元件均不发生故障，单故障表示模拟电路发生故障时仅有一个代表性故障元件发生故障，双故障表示模拟电路发生故障时有两个代表性故障元件同时发生故障，记故障类型数量
S4：当需要进行模拟电路故障参数辨识时，在预设的激励信号下测量得到D个测点td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；
S5：以X＝{x1,…,xN,x′1，…,x′M}作为遗传算法中的个体，其中xn表示第n个代表性故障元件的参数值，n＝1,2,…,N，x′m表示第m个非代表性故障元件的参数值，m＝1,2,…,M；对每个故障类型分别生成1个初始分种群pk，k＝1,2,…,K，在分种群pk中的每个个体中，将第k个故障类型对应的代表性故障元件的参数值xn在该代表性故障元件的故障范围内取值，其他故障元件的参数值在容差范围内取值；然后将K个分种群pk合并，构成种群P，记种群P中个体数量为G；
S6：判断是否达到遗传算法的迭代结束条件，如果是，进入步骤S11，否则进入步骤S7；
S7：对种群P进行交叉和...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。