一种基于经验小波变换的模拟滤波电路故障诊断方法技术

本发明专利技术公开了一种基于经验小波变换的模拟滤波电路故障诊断方法，将方波信号作为待测模拟滤波电路故障诊断时其输入端的激励信号，然后利用蒙特卡洛统计分析方法进行仿真分析，获取各种故障状态下电路输出端的电压信号；接着利用改进的经验小波变换对电压信号进行分解，获取各个模态分量，将每个模态分量的特征向量进行拼接组成表征故障状态的新的特征向量，并通过利用广义辨别分析算法对新的特征向量进行降维，再用降维后的特征向量训练SVM模型，最后通过SVM模型诊断模拟滤波电路未知的故障状态。故障状态。故障状态。

【技术实现步骤摘要】
一种基于经验小波变换的模拟滤波电路故障诊断方法


[0001]本专利技术属于模拟电路故障诊断
，更为具体地讲，涉及一种基于经验小波变换的模拟滤波电路故障诊断方法。

技术介绍

[0002]随着现代电子电路技术的飞速发展，电路系统的集成度和复杂性越来越高，电路结构朝着“大数字，小模拟”的方向逐渐发展。据调查显示，电子电路中数字电路占比80％，但电子电路中80％的故障是由模拟电路元器件故障引发。因模拟滤波电路良好的放大和滤波的性能，其作为常见的模拟电路被广泛地应用于电网、通信、医疗等各个领域，因此模拟滤波电路中元器件的正常运行对电路系统的稳定性和可靠性至关重要。然而受环境、元器件容差的影响，滤波电路的截止频率、放大因子和滤波性能将会发生改变。因此如何在复杂环境下，获取丰富的故障特征和电路信息，有效地实现模拟滤波电路的故障诊断是相关研究的重难点。
[0003]此外，在模拟滤波电路故障诊断中，常见的激励信号有扫频信号和单脉冲信号，用于反映模拟滤波电路在不同的故障状态下的滤波效果。但以扫频信号为激励信号所得到的输出端的电压信号是一种非平稳信号，增加了对输出端电压信号时频域分析的困难。以单脉冲信号作为激励信号所得到的输出端的电压信号为该电路的脉冲响应，仅含有丰富的时域信息，无法进行频域分析。因此，在模拟滤波电路故障诊断时，将扫频信号和单脉冲信号作为激励限制了故障特征在频域方面的分析。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种基于经验小波变换的模拟滤波电路故障诊断方法，通过改进的经验小波变换(Empirical Wavelet Transform,EWT)确定边界，再结合广义辨别分析算法和支持向量机(Support Vector Machine,SVM)实现模拟滤波电路的故障诊断，提高故障诊断的效率。
[0005]为实现上述专利技术目的，本专利技术一种基于经验小波变换的模拟滤波电路故障诊断方法，其特征在于，包括以下步骤：
[0006](1)、将幅值为5V，占空比为50％，频率为f的方波信号x(t)作为待测模拟滤波电路故障诊断时其输入端的激励信号；
[0007](2)、利用蒙特卡洛分析方法对待测模拟滤波电路进行仿真分析，获取k种故障状态下电路输出端k
×
n组采样点数为M的电压信号v
ij
(t)，i＝1,2,
…
,k,j＝1,2,
…
,n，n表示在待测模拟滤波电路的输出端采集电压信号的组数；
[0008](3)、利用改进的经验小波变换对电压信号v
ij
(t)进行分解，得到的m个模态分量，其中第q个模态分量表示为ewt
ijq
(t)，q＝1,2,
…
,m；
[0009](4)、分别计算待测模拟滤波电路处于第i种故障状态下其输出端电压信号v
ij
(t)的每个模态分量ewt
ijq
的频率F
ijq
、峰值Vp
ijq
、能量E
ijq
、有效值RMS
ijq
、标准差σ
ijq
、绝对均值
Ma
ijq
、偏度Skew
ijq
、峭度Kurtosis
ijq
和波形因子Form
‑
factor
ijq
，组成ewt
ijq
的特征向量Feature
‑
vector
ijq
＝{F
ijq
,Vp
ijq
,E
ijq
,RMS
ijq
,σ
ijq
,Ma
ijq
,Skew
ijq
,Kurtosis
ijq
,Form
‑
factor
ijq
}；
[0010](5)、将第i种故障状态下输出端电压信号v
ij
(t)的m个模态分量的特征向量Feature
‑
vector
ijq
拼接成表征模拟滤波电路故障状态i的特征向量Feature
‑
vector1
ij
＝[Feature
‑
vector
ij1
；Feature
‑
vector
ij2
；
…
；Feature
‑
vector
ijm
]，并利用广义辨别分析对Feature
‑
vector1
ij
进行降维，得到新的特征向量Feature
‑
vector2
ij
；
[0011](6)、为每种故障状态下的特征向量按照故障状态所对应的编号i贴上标签，每一种故障状态的n组特征向量Feature
‑
vector2
ij
分别对应n个相同的标签，将每种故障状态下贴有标签的n组Feature
‑
vector2
ij
用于训练支持向量机模型，最终得到训练完成的支持向量机模型；
[0012](7)、按照步骤(3)
‑
(5)获取待测模拟滤波电路在未知故障状态下的一组特征向量，然后将其输入至(6)中训练好的支持向量机模型，从而得到待测模拟滤波电路所处的故障状态i。
[0013]本专利技术的专利技术目的是这样实现的：
[0014]本专利技术基于经验小波变换的模拟滤波电路故障诊断方法，将方波信号作为待测模拟滤波电路故障诊断时其输入端的激励信号，然后利用蒙特卡洛统计分析方法进行仿真分析，获取各种故障状态下电路输出端的电压信号；接着利用改进的经验小波变换对电压信号进行分解，获取各个模态分量，将每个模态分量的特征向量Feature
‑
vector
ijq
进行拼接组成表征故障状态i的新的特征向量，并通过利用广义辨别分析算法对新的特征向量进行降维，再用降维后的特征向量训练SVM模型，最后通过SVM模型诊断模拟滤波电路未知的故障状态。
[0015]同时，本专利技术一种基于经验小波变换的模拟滤波电路故障诊断方法还具有以下有益效果：
[0016](1)、利用方波信号x(t)的傅里叶级数展开为可知方波信号由一系列奇次谐波分量组成，且利用方波信号为平稳信号的特性，通过对模拟滤波电路截止频率和中心频率的分析设计方波信号的频率，使模拟滤波电路元件故障时对滤波性能的影响能更好地体现在方波信号每一个分量信号上，从而得到电路输出端具有丰富的时频域信息的电压信号，其中ω0表示方波的频率，E表示方波的幅值；
[0017](2)、通过输入端的方波信号的频率直接确定经验小波变换中分割傅里叶频谱的边界，能有效地提取电压信号的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于经验小波变换的模拟滤波电路故障诊断方法，其特征在于，包括以下步骤：(1)、将幅值为5V，占空比为50％，频率为f的方波信号x(t)作为待测模拟滤波电路故障诊断时其输入端的激励信号；(2)、利用蒙特卡洛分析方法对待测模拟滤波电路进行仿真分析，获取k种故障状态下电路输出端k
×
n组采样点数为M的电压信号v
ij
(t)，i＝1,2,
…
,k,j＝1,2,
…
,n，n表示在待测模拟滤波电路的输出端采集电压信号的组数；(3)、利用改进的经验小波变换对电压信号v
ij
(t)进行分解，得到的m个模态分量，其中第q个模态分量表示为ewt
ijq
(t)，q＝1,2,
…
,m；(4)、分别计算待测模拟滤波电路处于第i种故障状态下其输出端电压信号v
ij
(t)的每个模态分量ewt
ijq
的频率F
ijq
、峰值Vp
ijq
、能量E
ijq
、有效值RMS
ijq
、标准差σ
ijq
、绝对均值Ma
ijq
、偏度Skew
ijq
、峭度Kurtosis
ijq
和波波形因子Form
‑
factor
ijq
，组成ewt
ijq
的特征向量Feature
‑
vector
ijq
＝{F
ijq
,Vp
ijq
,E
ijq
,RMS
ijq
,σ
ijq
,Ma
ijq
,Skew
ijq
,Kurtosis
ijq
,Form
‑
factor
ijq
}；(5)、将第i种故障状态下输出端电压信号v
ij
(t)的m个模态分量的特征向量Feature
‑
vector
ijq
拼接成表征模拟滤波电路故障状态i的特征向量Feature
‑
vector1
ij
＝[Feature
‑
vector
ij1
；Feature
‑
vector
ij2
；
…
；Feature
‑
vector
ijm
]，并利用广义辨别分析对Feature
‑
vector1
ij
进行降维，得到新的特征向量Feature
‑
vector2
ij
；(6)、为每种故障状态下的特征向量按照故障状态所对应的编号i贴上标签，每一种故障状态的n组特征向量Feature
‑
vector2
ij
分别对应n个相同的标签，将每种故障状态下贴有标签的n组Feature
‑
vector2
ij
...

【专利技术属性】
技术研发人员：刘震，刘雪梅，王俊海，程玉华，白利兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：