基于分形分析和广义特征值分解的模拟电路故障诊断方法技术

本发明专利技术涉及一种基于分形分析和广义特征值分解的模拟电路故障诊断方法，本发明专利技术针对输出响应具有分形特性的非线性模拟电路故障诊断问题，研究了基于分形分析的故障诊断方法，重点解决了故障特征提取和故障模式分类等关键问题；采用分形维数谱算法提取非线性模拟电路的故障特征，运用主成分分析技术进行故障特征压缩，结合基于广义特征值分解的多分类识别方法，实现模拟电路故障诊断；通过电动伺服机构控制系统的逆变器电路故障诊断实例验证了本发明专利技术的方法能够实现非线性模拟电路故障诊断，具有较高的诊断精度和效率。具有较高的诊断精度和效率。具有较高的诊断精度和效率。

【技术实现步骤摘要】
基于分形分析和广义特征值分解的模拟电路故障诊断方法


[0001]本专利技术涉及电路测试方法领域，具体涉及一种基于分形分析和广义特征值分解的模拟电路故障诊断方法。

技术介绍

[0002]电动伺服机构控制系统的逆变器电路中存在12个IGBT，据资料统计，80％的逆变器故障来源于IGBT故障，主要是IGBT开路故障和短路故障。由于短路故障存在时间较短，且逆变器中保护电路能够检测到短路电流，并启动保护动作，对于逆变器电路，通过数学表达式求解故障特征参数非常困难，且很难对功率器件开关状态进行检测，因此只能选择输出电压、电流等易测量量进行故障诊断。

技术实现思路

[0003]本专利技术要解决的技术问题是针对以上不足，提供一种基于分形分析和广义特征值分解的模拟电路故障诊断方法。
[0004]为解决以上技术问题，本专利技术采用以下技术方案：
[0005]基于分形分析和广义特征值分解的模拟电路故障诊断方法，包括以下步骤：
[0006]步骤1、搭建训练电路仿真模型，将训练电路中的元器件设置为正常或故障，得到正常状态训练电路和多种故障状态的训练电路，并将所有正常状态训练电路归为正常类型，将多种故障状态的训练电路根据预设的故障类型进行分类，给每个训练电路施加工作输入信号，对输出电压进行采样得到每个训练电路的训练电压序列值；
[0007]步骤2、采用Higuchi分形维数谱方法利用训练电压序列值计算电路输出电压的HFDS(Higuchi Fractal Dimension Spectrum，Higuchi分形维数谱)波形图，得到每个训练电路的HFDS波形图，运用主成分分析技术对每个训练电路的HFDS波形图进行主成分提取，提取的前N个主成分构成表征当前训练电路状态的故障特征向量，得到所有训练电路对应的故障特征向量；
[0008]步骤3、将属于同一类型的训练电路对应的训练特征向量归入一个训练集，得到多个类型的训练集，利用一对多SVM(Support Vector Machine，支持向量机)分类方法对多个类型的训练集分别进行训练，得到每个故障类型对应的二分类器和正常类型对应的二分类器；
[0009]步骤4、向待测模拟电路施加工作输入信号，对输出电压进行采样得到测试电压序列值；
[0010]步骤5、采用Higuchi分形维数谱方法利用测试电压序列值计算电路输出电压的HFDS波形图，得到待测模拟电路的HFDS波形图，运用主成分分析技术对待测模拟电路的HFDS波形图进行主成分提取，提取的前N个主成分构成表征待测模拟电路状态的测试特征向量；
[0011]步骤6、将测试特征向量分别输入每个故障类型对应的二分类器和正常类型对应
的二分类器，得到每个类型对应的测试结果，若最小的测试结果值为α故障类型对应的二分类器取最小值，则待测模拟电路为α故障类型，若最小的测试结果值为正常类型对应的二分类器取最小值，则待测模拟电路为正常。
[0012]进一步的，所述N＝6。
[0013]进一步的，所述步骤1中得到多种状态的训练电路的方法为：将训练电路中所有元器件设置为标称参数容差范围内的参数，通过调整参数值得到多个正常状态电路，以及任意选取一个或多个元器件，将元器件设置为标称参数容差范围外的参数，其余元器件设置为标称参数容差范围内的参数，得到多种故障状态电路。
[0014]本专利技术采用以上技术方案后，与现有技术相比，具有以下优点：
[0015](1)提出了基于Higuchi分形维数谱的模拟电路故障特征提取方法。基于广义距离计算，将HFD算法拓展为Higuchi分形维数谱算法，能够挖掘出更多、更丰富的隐含信息。(2)设计了基于分形分析和广义特征值分解的模拟电路故障诊断算法。采用Higuchi分形维数谱算法提取非线性模拟电路的故障特征，运用主成分分析技术进行故障特征压缩，结合基于广义特征值分解的多分类识别方法，实现模拟电路故障诊断。最后，通过电动伺服机构控制系统的逆变器电路故障诊断实例，验证了本专利技术提出的方法能够实现非线性模拟电路故障诊断，具有较高的诊断精度和效率。
[0016]下面结合附图和实施例对本专利技术进行详细说明。
附图说明
[0017]图1为本专利技术的总体流程图；
[0018]图2为逆变器电路；
[0019]图3为空间控制矢量图；
[0020]图4为单重分形序列的Higuchi分形维数谱计算结果；
[0021]图5为多重分形序列的Higuchi分形维数谱计算结果图；
[0022]图6为Duffing振子电路图；
[0023]图7为Duffing电路V(U3)
‑
V(U4)混沌相图；
[0024]图8为Duffing电路在不同状态下输出电压波形；
[0025]图9为Duffing电路在不同状态下输出电压HFDS曲线。
具体实施方式
[0026]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0027]基于分形分析和广义特征值分解的故障诊断流程
[0028]非线性模拟电路的故障诊断主要完成两方面工作：一是故障特征提取，采用Higuchi分形维数谱方法计算电路输出电压的HFDS，能够表征电路的故障特征，但HFDS维数较高，运用主成分分析技术进行降维处理，能够显著压缩特征空间，大幅度减小分类算法的计算量；二是故障模式识别，采用基于广义特征值分解的多分类方法进行故障分类，相比支持向量机方法具有较高的分类效率。基于分形分析和广义特征值分解的模拟电路故障诊断流程如图1所示。首先对处于不同状态(包括正常状态和所有故障状态)的模拟电路施加激
励信号，对输出电压进行采样，采用Higuchi分形维数谱方法计算电路输出电压的HFDS，运用主成分分析技术对HFDS进行压缩，得到表征电路状态的故障特征量，作为训练集对GEPSVM(Proximal Support Vector Machine via Generalized Eigenvalues，基于广义特征值近似支持向量机)分类器进行训练得到多个二分类器，训练过程如图1(a)所示；其次将训练成熟的多类别GEPSVM分类器用于待测电路的故障辨识，测试过程如图1(b)所示；最后输出诊断结果。
[0029]实例研究
[0030]考虑电动伺服机构控制系统的逆变器电路如图2所示，逆变器电路中存在12个IGBT，据资料统计，80％的逆变器故障来源于IGBT故障，主要是IGBT开路故障和短路故障。由于短路故障存在时间较短，且逆变器中保护电路能够检测到短路电流，并启动保护动作，因此本专利技术仅考虑IGBT的开路故障。考虑到实际工作中多个IGBT同时发生故障的可能性很小，本专利技术假设最多两个IGBT同时发生故障，结合逆变器电路结构将电路中IGBT故障分为5个大类、79个小类，具体故障类型如表1所示。
[0031]表1逆变器电路故障类型
[0032][0033][0034]对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分形分析和广义特征值分解的模拟电路故障诊断方法，其特征在于，包括以下步骤：步骤1、搭建训练电路仿真模型，将训练电路中的元器件设置为正常或故障，得到正常状态训练电路和多种故障状态的训练电路，并将所有正常状态训练电路归为正常类型，将多种故障状态的训练电路根据预设的故障类型进行分类，给每个训练电路施加工作输入信号，对输出电压进行采样得到每个训练电路的训练电压序列值；步骤2、采用Higuchi分形维数谱方法利用训练电压序列值计算电路输出电压的HFDS波形图，得到每个训练电路的HFDS波形图，运用主成分分析技术对每个训练电路的HFDS波形图进行主成分提取，提取的前N个主成分构成表征当前训练电路状态的故障特征向量，得到所有训练电路对应的故障特征向量；步骤3、将属于同一类型的训练电路对应的训练特征向量归入一个训练集，得到多个类型的训练集，利用一对多SVM分类方法对多个类型的训练集分别进行训练，得到每个故障类型对应的二分类器和正常类型对应的二分类器；步骤4、向待测模拟电路施加工作输入信号，对输出电压进行采样得到测试电压序列值；步骤5、采用Higuchi...

【专利技术属性】
技术研发人员：董海迪，王世涛，袁胜智，王永胜，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：