一种用于模拟电路的软故障诊断方法技术

一种用于模拟电路的软故障诊断方法，它属于模拟电路故障诊断领域。本发明专利技术解决了采用现有方法对模拟电路进行软故障诊断时所获得的准确率低的问题。本发明专利技术为了最大限度的排出信号中的干扰信息，大幅度减少模态混叠的影响，对于原始信号采取了VMD分解；为了避免分形维数估计的不稳定，本发明专利技术采用基于数学形态学的分形维数计算方法；最后将经过KPCA降维处理过的数据输送到支持向量机中建模分类。本发明专利技术方法可以应用于模拟电路的软故障诊断和分类。法可以应用于模拟电路的软故障诊断和分类。法可以应用于模拟电路的软故障诊断和分类。

【技术实现步骤摘要】
一种用于模拟电路的软故障诊断方法


[0001]本专利技术属于模拟电路故障诊断领域，具体涉及一种用于模拟电路的软故障诊断方法。

技术介绍

[0002]日常生活生产中可将电路划分成两类，一类是模拟电路，一类是数字电路，虽然模拟电路一般占电路组成成分的不到百分之20，但是有百分之80的故障是模拟电路造成的(F.Li and P.Y.Woo,"Fault detection for linear analog IC
‑
the method of short
‑
circuit admittance parameters,"IEEE Trans.Circuits Syst.I:Fundam.lTheor.Appl.,vol.49,no.1,pp.105
‑
108,Jan.2002.)。根据模拟电路的故障类型又可以分为软故障和硬故障。硬故障指在电子电路中，出现的断路，短路等灾难性故障，易于识别。软故障表示元器件的数值发生变化，数值偏差值超过了允许范围(Analog Circuit Incipient Fault Diagnosis Method Using DBN Based Features Extraction)。当软故障问题出现时，电路一般仍能工作，但是如果不及时更换元件，软故障将升级成硬故障，对整个电路将造成重大破(吕鑫淼，基于分形理论的非线性模拟电路软故障诊断方法研究[D]哈尔滨:哈尔滨理工大学.2017.)，甚至危及人们的生命安全。
[0003]针对模拟电路的软故障识别问题，有许多学者提出多种特征提取方法。常见的模拟电路故障特征提取方法有主元分析法(韩海涛，马红光，曹建福，等.基于非线性频谱特征及核主元分析的模拟电路故障诊断法[J].)，因子分析法(袁莉芬.基于独立成分分析技术的模拟电路故障诊断新方法[D].)等线性提取的方法。这些方法对于线性电路比较有效，但是日常生活中多数电路都是非线性的特征，上述方法并不能体现信号的非平稳特性，导致提取的故障特征可分离性低，从而使故障模式识别存在较大的分类误差。
[0004]为此，早期软故障研究主要通过引入模糊算法、小波理论等手段，来确定实际工况。虽然改善了故障诊断效果，但是在故障特征分析时，一些算法受电路状态影响比较严重，使得性能不稳定。针对此问题，近年来有学者将数学形态学与小波相结合，提出了一种新的非线性小波——形态小波。文献(Ji T Y,Lu Z,Wu Q H.Detection of power disturbances using morphological gradient wavelet[J].Signal Processing,2008,88(2):255
‑
267.)将形态学小波运用于检测电力的扰动，成功识别了电力传输过程中的不良状况。如庄宁等人(Zhuang N,Zeng Y,Tong L,et al.Emotion Recognition from EEG Signals Using Multidimensional Information in EMD Domain[J].Biomed Research International,2017,2017(1):317
‑
357.)就将分形维数与EMD相结合对心电信号进行特征提取来识别不同的情感表现。郑智等人(Zheng Z,Jiang W,Wang Z,et al.Gear fault diagnosis method based on local mean decomposition and generalized morphological fractal dimensions[J].Mechanism&Machine Theory,2015,91:151
‑
167.)将LMD分解法与广义分形维数相结合来识别齿轮故障。但是由于实际测量的信号是常常伴随着异常事件，如噪声影响，间断信号等，导致模态混叠，对后续进行故障诊断率造成
极大影响。同时计算分形维数常用的方法是覆盖法即盒计数法(Box
‑
counting method)，这种方法有其不可避免的缺点，方法本身采用了规则划分网格的方法，因此对分形维数的估计在某些情况下非常的不稳定(邓勇，于晨松.因子分析和ELM在模拟电路故障诊断的应用[J])。
[0005]综上所述，采用现有方法对模拟电路进行软故障诊断时所获得的准确率仍然较低。

技术实现思路

[0006]本专利技术的目的是为解决采用现有方法对模拟电路进行软故障诊断时所获得的准确率低的问题，而提出的一种用于模拟电路的软故障诊断方法。
[0007]本专利技术为解决上述技术问题所采取的技术方案是：
[0008]一种用于模拟电路的软故障诊断方法，所述方法具体包括以下步骤：
[0009]步骤一、对采集的电路故障信号进行变分模态分解，得到K个不同中心频率的本征模态函数信号；
[0010]步骤二、分别对获得的每个本征模态函数信号进行分形维数计算，提取出每个本征模态函数信号中的信号特征；
[0011]步骤三、分别对每个本征模态函数信号中的信号特征进行降维，得到每个本征模态函数信号所对应的降维后特征；
[0012]步骤四、将各个本征模态函数信号所对应的降维后特征输入分类器，获得故障诊断结果。
[0013]本专利技术的有益效果是：
[0014]本专利技术为了最大限度的排出信号中的干扰信息，大幅度减少模态混叠的影响，对于原始信号采取了VMD分解；为了避免分形维数估计的不稳定，本专利技术采用基于数学形态学的分形维数计算方法；最后将经过KPCA降维处理过的数据输送到支持向量机中建模分类。通过实验对比可以看出，本专利技术方法对模拟电路软故障诊断的准确率达到了98.8％，说明了相比较于现有方法，本专利技术方法具有更高的故障诊断准确率。
附图说明
[0015]图1是本专利技术方法的流程图；
[0016]图2是本专利技术的变分模态分解的流程图；
[0017]图3为Sallen
‑
key带通滤波器电路的示意图；
[0018]图4是原信号图；
[0019]图5是噪声信号图；
[0020]图6是混合噪声的输入信号图；
[0021]图7为故障类型3信号进行VMD分解时序图；
[0022]图8为图7的分解结果对应的IMF频谱图；
[0023]图9为故障类型5信号进行VMD分解时序图；
[0024]图10为图9的分解结果对应的IMF频谱图；
[0025]图11为EMD
‑
盒子计数分形维数图谱图；
[0026]图12为EMD
‑
形态学计数分形维数图谱图；
[0027]图13为VMD
‑
盒子计数分形维数图谱图；
[0028]图14为VMD
‑
形态学计数分形维数图谱图；...

【技术保护点】

【技术特征摘要】
1.一种用于模拟电路的软故障诊断方法，其特征在于，所述方法具体包括以下步骤：步骤一、对采集的电路故障信号进行变分模态分解，得到K个不同中心频率的本征模态函数信号；步骤二、分别对获得的每个本征模态函数信号进行分形维数计算，提取出每个本征模态函数信号中的信号特征；步骤三、分别对每个本征模态函数信号中的信号特征进行降维，得到每个本征模态函数信号所对应的降维后特征；步骤四、将各个本征模态函数信号所对应的降维后特征输入分类器，获得故障诊断结果。2.根据权利要求1所述的一种用于模拟电路的软故障诊断方法，其特征在于，所述步骤一的具体过程为：将对采集的电路故障信号进行变分模态分解的问题转化为如下的无束优化问题：其中，L({u
k
}，{ω
k
}，λ)为增广拉格朗日函数，u
k
(t)为第k个本征模态函数，α为二次惩罚因子，为求时间t的偏导，δ(t)为单位脉冲函数，j为虚数单位；||
·
||2表示L2‑
范数，e为自然对数的底数，ω
k
(t)为第k个本征模态函数的中心频率，K为本征模态函数的总个数，λ(t)为Lagrange算子，<
·
>为内积运算；对增广拉格朗日函数的鞍点进行求解，采用乘子交替方向法交替迭代更新各个本征模态函数、本征模态函数中心频率以及Lagrange算子，直至满足迭代停止条件时停止迭代，获得K个本征模态函数，其中，ε为设置的迭代精度。3.根据权利要求2所述的一种用于模拟电路的软故障诊断方法，其特征在于，所述本征模态函数的频域更新方式为：...

【专利技术属性】
技术研发人员：吕鑫淼，卢子寒，吴琼，王佳绪，杨存芳，魏于涵，庄全胜，王宇婷，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：