基于优化矩阵随机森林算法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优化矩阵随机森林算法的模拟电路故障诊断方法，包括1）通过电路原理图完成仿真实验，测量出不同设定值元器件的原始数据；2）将测量的原始数据做局部均值分解，得到一个优化后的矩阵；3）将优化后的矩阵进行运算，得到降维后的输出电压矩阵；4）将步骤3）得到的输出电压矩阵进行均等划分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；5）将步骤4）中的测试集数据输入到步骤4）已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算，得到故障诊断率。本方法是使用一种算法完成了特征提取和特征分类，在节约大量时间的同时也节约了测试成本。

【技术实现步骤摘要】
基于优化矩阵随机森林算法的模拟电路故障诊断方法
本专利技术涉及模拟电路故障诊断领域，尤其是模拟电路故障特征提取和特征分类，具体涉及基于优化矩阵随机森林算法的模拟电路故障诊断方法。
技术介绍
随着科技和时代不断在进步，模拟电路在越来越多的领域被运用，但是随着它的运用在逐渐增多，模拟电路会出现很多的故障等一系列问题，所以对模拟电路故障诊断的研究在当今是十分有必要的。模拟电路故障诊断中最重要的就是特征提取和特征分类两部分，特征提取和特征分类有很多种方法，一种好的特征提取能够为诊断节约大量的时间并且可以节约测试成本，特征提取方法有很多种，如小波变换，粒子群，随机森林(RandomForest，简称RF)算法等方法，这些方法都没有一种能成熟地运用在模拟电路故障诊断的实际电路中，由于模拟电路原件存在5％的容差性问题，导致各个故障间提取的特征差异性减小，所以现有的模拟电路故障诊断方法是使用特征提取和特征分类两个算法相结合来共同完成，这样大大地增加了诊断的时间，效率较低。
技术实现思路
本专利技术的目的是针对现有技术的不足，而提供一种基于优化矩阵随机森林算法的模拟电路故障诊断方法，解决电路元件容差性的问题，且其提取的特征各故障间的差异性大，同种故障间的相似度低，提高故障诊断率。实现本专利技术目的的技术方案为：基于优化矩阵随机森林算法的模拟电路故障诊断方法，包括以下步骤：1)通过电路原理图完成仿真实验，并且测量出不同设定值元器件的原始数据；2)将测量的原始数据做局部均值分解，得到一个优化后的矩阵；3)将优化后的矩阵在MATLAB中运用RF算法进行运算，得到降维后的输出电压矩阵；4)将步骤3)所得到的输出电压矩阵进行均等划分，将输出电压矩阵平均分成两部分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；5)将步骤4)中的测试集数据输入到步骤4)已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算法，得到故障诊断率。进一步地，步骤1)，用Cadence软件对Sallen_Key电路和对数放大电路进行瞬态分析和蒙特卡洛分析，通过故障的设定值，将得到的数据一半作为训练集，一半作为测试集；训练集拥有较多的训练数据能提高诊断率。进一步地，步骤2)，局部均值分解为输出矩阵提供一个特征更加优化矩阵，局部均值分解如下：随着时间的不同，输出电压值设为函数v(t)，将测量好的电压值排列起来，通过局部均值分解原理基于式(1)(2)(3)得到mi，ni，Hi，基于式(4)再通过对H(t)进行一个解调处理，最终得到f(t)，f(t)分母中的ε是使分母不为0，然后将得到的f(t)函数的值重新排列，组成新的矩阵，得到一个优化矩阵，将最终得到的矩阵送入到随机森林算法中进行特征提取；Hi＝vi-mi(3)i表示时间：可以取1，2，3……(ms)，mi的时间函数，n(t)表示ni的时间函数，H(t)表示Hi的时间函数，mi表示vi与vi+1的平均值，vi表示第i秒的电压，vi+1表示第i+1秒的电压，ni表示vi与vi+1的差值的一半的绝对值，f(t)表示最终的解调函数，Hi表示电压差函数。进一步地，步骤4)，使用CART算法生成决策树，回归树是通过式(5)最小均方差Z的原理来完成划分，其中A代表任意特征，a代表任意划分点，D1和D2代表数据集；式中表示任意划分点a在任意划分数据集A中的最小值，c1表示D1中的输出平均值，c2表示D2中的输出平均值，表示求使得平方误差之和最小的c1值，表示求使得平方误差之和最小的c2值，yi表示连续变量，xi表示数据集中的数据；RF对特征好坏度量基于式(6)来完成：importance表示重要程度，N表示决策树的棵数；用来计算袋外数据误差是由每一棵决策树选择相应的袋外数据(outofbag，简称OOB)来完成，记为errOOB1，通过对袋外数据加入一部分的干扰，通过对误差的计算得到errOOB2，通过式(2)来得到随机森林中最重要的特征，计算出每个特征的重要性，特征选择过程为：4-1)计算每个特征的重要性，按照降序排序；4-2)通过选择剔除一些特征不明显的数据，依据特征重要性剔除相应数据，得到一个新的特征集；4-3)用新的特征集重复上述过程，直到剩下13个特征；4-4)根据上述所描述的过程中得到的各个特征集和并且选出袋外误差率最低的特征集；随机森林特征分类主要由决策树来完成，具体构建流程如下：4-a)从样集中用Bootstrap采样选出50％数量的样本；4-b)从所有属性中随机选择K个属性，在K个属性中再选择出最佳分割属性作为节点创建决策树；4-c)重复上述过程m次，建立m棵决策树，可以采取并行建立决策树，这样能节省大量时间；4-d)最终的结果是由随机森林m棵决策树投票表决来完成，出现次数最多的决定预测数据的结果。进一步地，步骤5)，使用Cadence软件对测试电路Sallen_Key电路和对数放大器电路进行仿真实验，最终得到的数据集用其中的一半的训练样本对随机森林算法进行训练，剩下的一半的样本用于故障诊断，最终得到故障诊断率。本专利技术提供的优化矩阵随机森算法的模拟电路故障诊断方法，解决电路元件容差性的问题，且其提取的特征各故障间的差异性大，同种故障间的相似度低，提高故障诊断率。本专利技术所提的RF算法自带优化参数的性能，RF算法是一种建立在统计学理论基础上的一种算法，具有一种更加高级的组合分类器，RF算法是通过bootstrap的重新抽样来提取特征分类，RF中的决策树算法来进行特征分类，随机森林算法(RF)是一种比较新的机器学习，在近年来，RF迅速发展，在生物学、医学、经济学等领域都取得较好的效果，本专利技术通过随机森林算法具有特征提取的作用即数据降维的手段同时还能达到分类的作用，还能对数据用来做一个多分类处理。本专利技术所提方法通过使用多输入的电压源使得输出电源具有更加精确的特征电压值；在仿真中每次准确测量输出矩阵的电压值，通过对测量的输出电压值组成的矩阵进行局部分解原理，将分解后的矩阵进行随机森林算法进行故障诊断，这样可以使得随机森林更加有效的进行特征提取，单故障诊断率达到100％、多故障诊断率达到99.5％，均高于上述现有技术所提的方法，体现出本专利技术所提出的故障诊断方法具有一定的优势。本方法是使用一种算法完成了特征提取和特征分类，在节约大量时间的同时也节约了测试成本。附图说明图1为实施例中决策树结构图；图2为实施例中模拟电路故障诊断流程图；图3为实施例中RF算法原理图；图4为实施例中Sallen_Key电路原理图；图5为实施例中Sallen_key电路正常状态响应图；图6为实施例中决策树的选取示意图；图7为实施例中Sallen_Key电路故障诊断结果；图8为实施例中对数放大器电路原理图；<本文档来自技高网...

【技术保护点】
1.基于优化矩阵随机森林算法的模拟电路故障诊断方法，其特征在于，包括以下步骤：/n1)通过电路原理图完成仿真实验，并且测量出不同设定值元器件的原始数据；/n2)将测量的原始数据做局部均值分解，得到一个优化后的矩阵；/n3)将优化后的矩阵在MATLAB中运用RF算法进行运算，得到降维后的输出电压矩阵；/n4)将步骤3)所得到的输出电压矩阵进行均等划分，将输出电压矩阵平均分成两部分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；/n5)将步骤4)中的测试集数据输入到步骤4)已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算，得到故障诊断率。/n

【技术特征摘要】
1.基于优化矩阵随机森林算法的模拟电路故障诊断方法，其特征在于，包括以下步骤：
1)通过电路原理图完成仿真实验，并且测量出不同设定值元器件的原始数据；
2)将测量的原始数据做局部均值分解，得到一个优化后的矩阵；
3)将优化后的矩阵在MATLAB中运用RF算法进行运算，得到降维后的输出电压矩阵；
4)将步骤3)所得到的输出电压矩阵进行均等划分，将输出电压矩阵平均分成两部分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；
5)将步骤4)中的测试集数据输入到步骤4)已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算，得到故障诊断率。


2.根据权利要求1所述的基于优化矩阵随机森林算法的模拟电路故障诊断方法，其特征在于，步骤1)，用Cadence软件对Sallen_Key电路和对数放大电路进行瞬态分析和蒙特卡洛分析，通过故障的设定值，将得到的数据一半作为训练集，一半作为测试集。


3.根据权利要求1所述的基于优化矩阵随机森林算法的模拟电路故障诊断方法，其特征在于，步骤2)，局部均值分解为输出矩阵提供一个特征更加优化矩阵，局部均值分解如下：随着时间的不同，输出电压值设为函数v(t)，将测量好的电压值排列起来，通过局部均值分解原理基于式(1)(2)(3)得到mi，ni，Hi，基于式(4)再通过对H(t)进行一个解调处理，最终得到f(t)，f(t)分母中的ε是使分母不为0，然后将得到的f(t)函数的值重新排列，组成新的矩阵，得到一个优化矩阵，将最终得到的矩阵送入到随机森林算法中进行特征提取；






Hi＝vi-mi(3)



i表示时间：可以取1，2，3……(ms)，mi的时间函数，n(t)表示ni的时间函数，H(t)表示Hi的时间函数，mi表示vi与vi+1的平均值，vi表示第i秒的电压，vi+1表示第i+1秒的电压，ni表示vi与vi+1的差值的一半的绝对值，f(t)表示最终的解调函数，Hi表示电压差函数。


4.根据权利要求1所述的基于优化矩阵随机森林算法的模拟电路故障诊断方法，其特征在于，步骤4)，使用CART算法生成决策树，回归树是通过式(5...

【专利技术属性】
技术研发人员：谈恩民，阮济民，黄顺梅，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45