基于约束优化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约束优化的模拟电路故障参数范围确定方法，分别采用遗传算法来获取故障元件参数范围下限和上限，在每次运行遗传算法时，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，故障元件的参数值在预设的故障取值范围中取值，其余元件在容差范围内取值，在迭代过程中基于个体误差和误差精度的约束来计算个体适应度值，在迭代完成后根据最后一代种群提取出故障元件参数范围的下限或上限。本发明专利技术基于约束优化通过遗传算法实现了对于故障元件参数范围的精确确定。算法实现了对于故障元件参数范围的精确确定。算法实现了对于故障元件参数范围的精确确定。

【技术实现步骤摘要】
基于约束优化的模拟电路故障参数范围确定方法


[0001]本专利技术属于模拟电路故障诊断
，更为具体地讲，涉及一种基于约束优化的模拟电路故障参数范围确定方法。

技术介绍

[0002]在模拟电路工作过程中，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。模拟电路发生故障时，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。但是能够根据电路结构(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。假定传输函数H(X)＝x1x2，x1、x2表示两个元件的参数值，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容差(容差参数α∈[-0.05,0.05])的影响，当x2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在闭区间[11.4,12.6]任意取值都可能得到120的故障输出。当电路结构变得复杂，此闭区间的解析将很难精确计算，即难以确定故障参数范围。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供一种基于约束优化的模拟电路故障参数范围确定方法，实现对于故障元件参数范围的精确确定。
[0004]为实现上述专利技术目的，本专利技术基于约束优化的模拟电路故障参数范围确定方法包括以下步骤：
[0005]S1：获取模拟电路中元件数量C和各个元件的参数标称值x
jN
，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；
[0006]S2：基于遗传算法获取故障元件参数范围下限，具体步骤包括：
[0007]S2.1：将元件参数向量X＝[x1,x2,
…
,x
C
]作为遗传算法种群的个体，生成N个个体构成初始种群P，具体方法为：根据需要设置故障元件c的参数值x
c
的故障取值范围，初始种群P中每个个体中故障元件c的参数值x
c
在故障取值范围内取值，其余元件j
′
的参数x
j
′
在容差范围(x
j
′
N
×
(1-α),x
j
′
N
×
(1+α))内取值，其中x
j
′
N
表示元件j
′
的参数标称值，j
′
＝1,2,
…
,C&j
′
≠c；
[0008]S2.2：初始化迭代次数t＝1；
[0009]S2.3：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的参数值x
c
在故障取值范围内取值，非故障元件的参数值在容差范围内取值；
[0010]S2.4：将种群P和种群Q进行合并，得到合并种群S；
[0011]S2.5：采用以下公式分别计算合并种群S中每个个体X
n
的误差E
n
：
[0012]E
n
＝||H(X
n
)-Z||
[0013]其中，n＝1,2,
…
,2N；
[0014]S2.6：对于每个个体采用以下公式计算该个体的适应度值g
n
：
[0015][0016]其中，表示当前合并种群S中第n个个体所对应元件参数向量中故障元件c的参数值；
[0017]S2.7：根据适应度值优选出下一代N个个体，构成下一代种群P
′
；
[0018]S2.8：判断迭代次数t是否达到预设的最大迭代次数t
max
，如果未达到，则进入步骤S2.9，否则进入步骤S2.10；
[0019]S2.9：令种群P＝P
′
，t＝t+1，返回步骤S2.3；
[0020]S2.10：在最后一代种群P
′
的N个个体中筛选出误差小于β的个体，从这些个体的故障元件c的参数值中选择最小值作为故障元件c的参数范围下限x
cL
；
[0021]S3：基于遗传算法获取故障元件参数范围上界，具体步骤包括：
[0022]S3.1：将元件参数向量X＝[x1,x2,
…
,x
C
]作为遗传算法种群的个体，生成N个个体构成初始种群P，具体方法为：根据需要设置故障元件c的参数值x
c
的故障取值范围，初始种群P中每个个体中故障元件c的参数值x
c
在故障取值范围内取值，其余元件j
′
的参数x
j
′
在容差范围(x
j
′
N
×
(1-α),x
j
′
N
×
(1+α))内取值；
[0023]S3.2：初始化迭代次数t＝1；
[0024]S3.3：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的参数值x
c
在故障取值范围内取值，非故障元件的参数值在容差范围内取值；
[0025]S3.4：将种群P和种群Q进行合并，得到合并种群S；
[0026]S3.5：分别计算合并种群S中每个个体X
n
的误差E
n
；
[0027]S3.6：对于每个个体采用以下公式计算该个体的适应度值g
n
：
[0028][0029]S3.7：根据适应度值优选出下一代N个个体，构成下一代种群P
′
；
[0030]S3.8：判断迭代次数t是否达到预设的最大迭代次数t
max
，如果未达到，则进入步骤S3.9，否则进入步骤S3.10；
[0031]S3.9：令种群P＝P
′
，t＝t+1，返回步骤S3.3；
[0032]S3.10：在最后一代种群P
′
的N个个体中筛选出误差小于β的个体，从这些个体的故障元件c的参数值中选择最大值作为故障元件c的参数范围上限x
cU
。
[0033]本专利技术基于约束优化的模拟电路故障参数范围确定方法，分别采用遗传算法来获取故障元件参数范围下限和上限，在每次运行遗传算法时，将元件参数向量作为遗传算法种群的个体，在生成初始种群的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种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x
jN
，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：基于遗传算法获取故障元件参数范围下限，具体步骤包括：S2.1：将元件参数向量X＝[x1,x2,
…
,x
C
]作为遗传算法种群的个体，生成N个个体构成初始种群P，具体方法为：根据需要设置故障元件c的参数值x
c
的故障取值范围，初始种群P中每个个体中故障元件c的参数值x
c
在故障取值范围内取值，其余元件j
′
的参数x
j
′
在容差范围(x
j
′
N
×
(1-α),x
j
′
N
×
(1+α))内取值，其中x
j
′
N
表示元件j
′
的参数标称值，j
′
＝1,2,
…
,C&j
′
≠c；S2.2：初始化迭代次数t＝1；S2.3：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的参数值x
c
在故障取值范围内取值，非故障元件的参数值在容差范围内取值；S2.4：将种群P和种群Q进行合并，得到合并种群S；S2.5：采用以下公式分别计算合并种群S中每个个体X
n
的误差E
n
：E
n
＝||H(X
n
)-Z||其中，n＝1,2,
…
,2N；S2.6：对于每个个体采用以下公式计算该个体的适应度值g
n
：其中，表示当前合并种群S中第n个个体所对应元件参数向量中故障元件c的参数值；S2.7：根据适应度值优选出下一代N个个体，构成下一代种群P
′
；S2.8：判断迭代次数t是否达到预设的最大...

【专利技术属性】
技术研发人员：杨成林，龙兵，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：