基于遗传算法的模拟电路故障参数范围确定方法技术

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参数范围确定方法，将元件参数向量作为遗传算法种群的个体，在生成初始种群的时候，将设置的故障元件参数初始范围划分为K个子区间，在每个子区间中生成D个个体，在遗传算法迭代过程中定期对故障元件参数范围进行精细化，在迭代完成后根据最后一代种群提取出故障元件参数的范围。本发明专利技术通过遗传算法和精细化故障元件参数范围实现对于故障元件参数范围的精确确定。

【技术实现步骤摘要】
基于遗传算法的模拟电路故障参数范围确定方法
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参数范围确定方法。
技术介绍
模拟电路元件退化会导致性能退化，及时对元件参数进行估计能够预防功能故障的发生。模拟电路除故障元件外，无故障元件参数是容差范围内的随机数。即所有元件参数都是变量。模拟集成电路测点数目有限，独立测试量的数目M往往远远小于元件数目C，因此通过测试量和元件参数只能建立欠定方程组，无法精确计算出故障元件参数值。但是可以根据电路结构(传输函数)和容差范围，获得故障参数一个可能的故障范围。为电路性能退化预测提供支持。比如函数H(x)＝x1x2，两个元件标称值为10，则标准输出H为100。电路发生故障，测得输出为120，且已知故障源为x1,则容易得到x1＝12。考虑到无故障元件x2的容差(α∈[-0.05，0.05])的影响，当x1为容差下限9.5时，产生120的故障输出的x1应为12.6，当x2为容差上限10.5时，产生120的故障输出的x1应为11.4。即在±5％的容差影响下，x1在[11.4,1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参数范围确定方法，其特征在于，包括以下步骤：/nS1：获取模拟电路中元件数量C和各个元件的参数标称值x

【技术特征摘要】
1.一种基于遗传算法的模拟电路故障参数范围确定方法，其特征在于，包括以下步骤：
S1：获取模拟电路中元件数量C和各个元件的参数标称值xjN，j＝1,2,…,C，确定模拟电路在预设测点的传输函数，获取当前故障状态下模拟电路在预设测点的故障输出电压Z，以及所检测出的故障元件序号c；
S2：将元件参数向量X＝[x1,x2,…,xC]作为遗传算法种群的个体，采用以下方式生成初始种群P：
根据需要设置故障元件参数xc的初始范围为[λ1xcN,λ2xcN]，其中0＜λ1＜1-α，1+α＜λ2＜∞，将范围[λ1xcN,λ2xcN]等分成K个子区间，设置初始种群中个体数量为DK，其中D＞1，则第d个个体中故障元件c的参数xc的取值为：



其中，表示向上取整，d＝1,2,…,DK；
其余元件j′的参数xj′在容差范围(xj′N×(1-α),xj′N×(1+α))内取值，其中j′＝1,2,…,C&j′≠c；
S3：初始化迭代次数t＝1；
S4：对种群P中的个体进行交叉和变异，得到新种群Q，在交叉和变异过程中需要保证故障元件c的参数xc的值保持不变，其余各个元件的参数值在容差范围内取值；
S5：将种群P和种群Q进行合并，得到合并种群S，即S＝P∪Q；将合并种群S中的2DK个个体按照故障元件c的参数值进行升序排列；
S6：按照以下方法进行个体优选：
S6.1：将合并种群S中的2DK个个体划分为K组，每连续2D个个体为一组，记第i组个体集合为si；
S6.2：初始化i＝1；
S6.3：对于分组集合si，分别计算其2D个个体所对应的适应度值，个体适应度值的计算方法为：根据传输函数计算个体所对应元件参数向量在预设测点处的输出电压，然后计算该输出电压与故障输出电压Z之间的欧式距离，将该欧式距离作为个体适应度值；根据适应度值从小到大对2D个个体进行排列，选择前D个个体加入下一代种群P′；
S6.4：判断是否i＜K，如果是，令i＝i+1，返回步骤S6.3，否则个体优选结束；
S7：判断迭代次数t是否达到预设的最大迭代次数tmax，如果未达到，则进入步骤S8，否则进入步骤S12；
S8：判断是否t％τ＝0，τ表示预设的周期参数，如果未达到，进入步骤S9，否则进入步骤S10；
S9：令种群P＝P′，t＝t+1，返回步骤S4；
S10：按照以下方法精细化故障元件参数范围：
S10.1：将种群P′的DK个个体按照故障元件c的参数值进行升序排列，然后将DK个个体划分为K组，每连续D个个体为一组，从每组D个个体中选择适应度值最小的个体作为该组的代表性故障，共计K个代表性故障；
S10.2：记...

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