基于遗传算法的模拟电路故障定位与参数辨识方法技术

本发明专利技术公开了一种基于遗传算法的模拟电路故障定位与参数辨识方法，获取测点的传输函数，分析模拟电路的模糊组信息，确定每个模糊组的代表故障元件，当模拟电路出现故障时首先获取当前输出，再利用遗传算法确定当前输出对应的故障元件参数值向量，从而定位出发生故障的代表性故障元件，然后再基于遗传算法确定该代表性故障元件的参数值范围。采用本发明专利技术可以有效实现对模拟电路的故障诊断和故障元件参数辨识。

Fault location and parameter identification of analog circuit based on genetic algorithm

【技术实现步骤摘要】
基于遗传算法的模拟电路故障定位与参数辨识方法
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定位与参数辨识方法。
技术介绍
随着电子技术的飞速发展，各种电子设备、芯片等的体积快速减小，而故障诊断的技术尤其是电子设备和芯片中的模拟部分的故障诊断技术未能跟上发展的速度。传统的模拟电路故障诊断可以分为测前诊断(simulation-before-test，SBT)和测后诊断(simulationafterthetest，SAT)。SBT即在测试前对模拟电路进行大量仿真提取模拟电路的故障特征建立故障字典，或者通过神经网络、支持向量机等分类算法对故障特征进行分类，以分类的结果定位故障元件。而SAT是对测试得到的数据进行分析得到故障诊断结果，本专利技术的故障定位是基于遗传算法的测后诊断。现阶段的故障诊断，无论是SAT还是SBT，主要是针对故障进行定位。少部分也对参数识别进行了研究，而目前的参数识别也只是给出一个具体的诊断结果，该结果在一定范围内接近元件真实参数。而模拟电路在容差影响下，不同的元件参数组合能够得到相同的输出，识别得到的该具体诊断结果仅能体现一种可能性，而不能体现出故障元件参数的可能范围。
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定位与参数辨识方法，通过遗传算法进行故障定位并确定故障定位后的故障元件的参数值范围。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定位与参数辨识方法包括以下方法：S1：获取模拟电路在测点t处的传输函数；S2：分析得到模拟电路经测点t输出电压进行故障诊断的模糊组信息，每个模糊组选取一个元件作为代表故障元件，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：当模拟电路出现故障时，在预设的激励信号下测量得到测点t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；S4：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，每个个体中有一个代表性故障元件的参数值随机取值，其余故障元件的参数值在其容差范围内随机取值，生成G个个体构成种群P；S5：判断是否达到故障定位遗传算法的迭代结束条件，如果是，进入步骤S10，否则进入步骤S6；S6：对当前种群进行交叉和变异操作，得到子种群Q，在进行交叉和变异操作时，需要保证每个个体中参数值位于故障范围内的代表性故障元件的数量小于等于1，非代表性故障元件的参数值在容差范围内取值；S7：将种群P和种群Q进行合并，构成种群S；S8：将种群S中的每个个体分别代入传输函数，得到预设的激励信号下在测点t处的输出电压Ug＝αg+jβg，αg、βg分别表示输出电压的实部和虚部，g＝1,2,…,2G，然后采用以下公式计算第g个个体输出电压与当前模拟电路的输出电压之间的欧式距离Dg，计算公式如下：S9：根据欧式距离Dg从种群S中优选欧式距离较小的G个个体作为下一代种群P，返回步骤S5；S10：从当前种群中选择欧式距离最小的个体，该个体中参数值位于故障范围内的代表性故障元件即为故障诊断结果；S11：采用以下方法进行故障元件参数辨识：S10.1：记故障定位所得到的代表性故障元件对应的序号为在所定位个体中第个代表性故障元件的参数值为以作为遗传算法中的个体，表示第个代表性故障元件的参数值，种群中所有个体的参数值范围内均匀取值，λ是预设的[0,1]范围内的常数，其余故障元件的参数值在其容差范围内随机取值，生成R个个体构成种群W；S10.2：判断是否达到预设的最大迭代次数，如果是，进入步骤S10.7，否则进入步骤S10.3；S10.3：对种群W进行交叉和变异操作，在进行交叉和变异操作过程中第个代表性故障元件的参数值不变，其余故障元件的参数值在容差范围内取值，得到子种群V；S10.4：将种群W和种群V进行合并，构成种群H；S10.5：将种群H中的每个个体分别代入传输函数，得到预设的激励信号下在测点t处的输出电压U′r＝α′r+jβ′r，α′r、β′r分别表示输出电压的实部和虚部，r＝1,2,…,2R，然后采用以下公式计算第r个个体输出电压与当前模拟电路的输出电压之间的欧式距离D′r，计算公式如下：S10.6：将种群H中2R个个体中第个代表性故障元件参数值相同的两个个体分为一对，将每对个体中欧式距离较小的个体作为下一代种群W中的个体，返回步骤S10.2；S10.7：将种群W中的所有个体以第个代表性故障元件参数值作为横坐标，对应欧式距离作为纵坐标作图，在得到的曲线中搜索出欧式距离在[0,a]范围内的连续曲线，a为预设的正参数，将连续曲线对应的第个代表性故障元件参数值范围作为模拟电路的参数识别结果。本专利技术基于遗传算法的模拟电路故障定位与参数辨识方法，获取测点的传输函数，分析模拟电路的模糊组信息，确定每个模糊组的代表故障元件，当模拟电路出现故障时首先获取当前输出，再利用遗传算法确定当前输出对应的故障元件参数值向量，从而定位出发生故障的代表性故障元件，然后再基于遗传算法确定该代表性故障元件的参数值范围。采用本专利技术可以有效实现对模拟电路的故障诊断和故障元件参数辨识。附图说明图1是本专利技术基于遗传算法的模拟电路故障定位与参数辨识方法的具体实施方式流程图；图2是本专利技术中基于遗传算法进行故障元件参数辨识的流程图；图3是本实施例中二阶托马斯模拟滤波电路的结构图；图4是本实施例中参数辨识的曲线图；图5是本实施例中4种故障的参数辨识曲线图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好地理解本专利技术。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。图1是本专利技术基于遗传算法的模拟电路故障定位与参数辨识方法的具体实施方式流程图。如图1所示，本专利技术基于遗传算法的模拟电路故障定位与参数辨识方法的具体步骤包括：S101：获取传输函数：获取模拟电路在测点t处的传输函数。S102：模糊组分析：分析得到模拟电路经测点t输出电压进行故障诊断的模糊组信息，每个模糊组选取一个元件作为代表故障元件，记代表性故障元件的数量为N，显然N也表示模糊组数量，记其他非代表性故障元件的数量为M。S103：确定模拟电路当前输出：当模拟电路出现故障时，在预设的激励信号下测量得到测点t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。为了使故障状态下的输出电压更加准确，可以在多次测量输出电压后进行平均，从而得到输出电压S104：初始化故障定位遗传算法种群：以X＝{x1,…,xN,x′1，…,x′M}作为本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的模拟电路故障定位与参数辨识方法，其特征在于，包括以下步骤：/nS1：获取模拟电路在测点t处的传输函数；/nS2：分析得到模拟电路经测点t输出电压进行故障诊断的模糊组信息，每个模糊组选取一个元件作为代表故障元件，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；/nS3：当模拟电路出现故障时，在预设的激励信号下测量得到测点t处的输出电压

【技术特征摘要】
1.一种基于遗传算法的模拟电路故障定位与参数辨识方法，其特征在于，包括以下步骤：
S1：获取模拟电路在测点t处的传输函数；
S2：分析得到模拟电路经测点t输出电压进行故障诊断的模糊组信息，每个模糊组选取一个元件作为代表故障元件，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：当模拟电路出现故障时，在预设的激励信号下测量得到测点t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；
S4：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，每个个体中有一个代表性故障元件的参数值随机取值，其余故障元件的参数值在其容差范围内随机取值，生成G个个体构成种群P；
S5：判断是否达到故障定位遗传算法的迭代结束条件，如果是，进入步骤S10，否则进入步骤S6；
S6：对当前种群进行交叉和变异操作，得到子种群Q，在进行交叉和变异操作时，需要保证每个个体中参数值位于故障范围内的代表性故障元件的数量小于等于1，非代表性故障元件的参数值在容差范围内取值；
S7：将种群P和种群Q进行合并，构成种群S；
S8：将种群S中的每个个体分别代入传输函数，得到预设的激励信号下在测点t处的输出电压Ug＝αg+jβg，αg、βg分别表示输出电压的实部和虚部，g＝1,2,…,2G，然后采用以下公式计算第g个个体输出电压与当前模拟电路的输出电压之间的欧式距离Dg，计算公式如下：



S9：根据欧式距离Dg从种群S中优选欧式距离较小的G个个体作为下一代...

【专利技术属性】
技术研发人员：杨成林，陈钇任，刘震，周秀云，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51