專(zhuān)利名稱(chēng)：基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模擬電路故障診斷方法。
背景技術(shù)：
在電子設(shè)備中，模擬電路是最易發(fā)生故障的薄弱環(huán)節(jié)，對(duì)模擬電路進(jìn)行故障診斷可提高電子設(shè)備的維修性。由于模擬電路缺乏良好的故障模型，電路響應(yīng)與元件參數(shù)間存在著復(fù)雜的非線性關(guān)系以及測(cè)點(diǎn)數(shù)目的限制等，模擬電路故障診斷研究尚未成熟。在這種情況下，基于人工智能的方法被引入模擬電路故障診斷中，這類(lèi)方法將模擬電路故障診斷看作模式識(shí)別問(wèn)題。由于具有良好的非線性映射能力、自學(xué)習(xí)適應(yīng)能力等，神經(jīng)網(wǎng)絡(luò)在模擬電路智能診斷方法中最為常用。但是，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)如采用BP反向傳播算法訓(xùn)練的多層感知器，存在著易陷入局部最小、訓(xùn)練算法復(fù)雜等問(wèn)題。在智能診斷方法中，首先需要從被診斷電路中獲取能夠表征電路特性的信息，即獲得電路在各種工作狀態(tài)下所表現(xiàn)出來(lái)的特征。一般地，選擇取值變化對(duì)電路輸出影響較大的器件作為故障注入單元，為充分研究電路在不同容差條件下所表現(xiàn)出的特性，設(shè)置電路中電阻和電容工作在允許容差的范圍之內(nèi)，一般為士5%或士 10%。當(dāng)電路中的元器件均工作在允許容差內(nèi)時(shí)，電路屬于無(wú)故障狀態(tài)；當(dāng)作為故障注入單元的器件中的任何一個(gè)高出或低于其正常取值的一定范圍時(shí)，而其他器件在允許容差內(nèi)工作，則認(rèn)為電路發(fā)生故障。為了獲得電路在各種狀態(tài)下的工作信息，一般向電路輸入端輸入單位脈沖信號(hào)，并采集電路的單位脈沖響應(yīng)信號(hào)。為全面反映電路的工作狀態(tài)，輸出信號(hào)的采樣間隔一般設(shè)置較小，采樣點(diǎn)數(shù)較多， 導(dǎo)致特征維數(shù)高，為后續(xù)的故障分類(lèi)器訓(xùn)練帶來(lái)困難，直接影響診斷效果。因此，一般需要對(duì)診斷數(shù)據(jù)進(jìn)行特征提取，改善診斷效果。目前，主要采用小波變換等信號(hào)處理方法來(lái)進(jìn)行模擬電路故障數(shù)據(jù)特征提取。但是，當(dāng)特征數(shù)量較大時(shí)，往往需要采用特征選擇的方法來(lái)進(jìn)行進(jìn)一步的維數(shù)約減，以減少特征數(shù)量。

發(fā)明內(nèi)容
本發(fā)明是為了解決采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬電路故障診斷的診斷精度較低的問(wèn)題，從而提供一種基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法?；陔S機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，它由以下步驟實(shí)現(xiàn)步驟一、采用單位脈沖信號(hào)激勵(lì)電路工作，獲得電路待診斷響應(yīng)信號(hào)，并采集模擬電路的單位脈沖響應(yīng)輸出信號(hào)；步驟二、采用小波變換法對(duì)步驟一采集到的模擬電路的單位脈沖響應(yīng)輸出信號(hào)進(jìn)行處理，獲得故障特征；步驟三、將步驟二獲得的故障特征作為數(shù)據(jù)樣本，對(duì)所述數(shù)據(jù)樣本進(jìn)行隨機(jī)子空間映射，并輸入至回聲狀態(tài)網(wǎng)絡(luò)中，采用多儲(chǔ)備池集成分類(lèi)方法，訓(xùn)練建立模擬電路故障診斷模型；步驟四、對(duì)步驟一獲得的電路待診斷響應(yīng)信號(hào)進(jìn)行小波變換，獲得故障特征數(shù)據(jù)， 對(duì)所述故障特征數(shù)據(jù)進(jìn)行隨機(jī)子空間映射，并輸入至步驟三中建立的模擬電路故障診斷模型中，獲得并輸出故障診斷結(jié)果。步驟三中訓(xùn)練建立模擬電路故障診斷模型的具體方法是步驟A、設(shè)置成員分類(lèi)器數(shù)量、子空間維數(shù)，生成特征子集；步驟B、設(shè)置參數(shù)，所述參數(shù)包括儲(chǔ)備池處理單元個(gè)數(shù)、內(nèi)部連接權(quán)譜半徑、輸入伸縮尺度和儲(chǔ)備池稀疏程度，每一個(gè)特征子集對(duì)應(yīng)構(gòu)造一個(gè)儲(chǔ)備池；步驟C、對(duì)每一個(gè)成員分類(lèi)器，初始化輸入連接權(quán)矩陣Win及內(nèi)部連接權(quán)矩陣W ；步驟D、將訓(xùn)練樣本輸入已初始化的回聲狀態(tài)網(wǎng)絡(luò)中，收集狀態(tài)變量及輸出變量；步驟E、采用嶺回歸方法求解輸出權(quán)矩陣W°ut，得到訓(xùn)練完畢的網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練完成。步驟A中設(shè)定成員分類(lèi)器數(shù)量c = 50，子空間維數(shù)為「尸/2]，式中，ρ為原始數(shù)據(jù)特征空間的維數(shù)；步驟A中所述的特征子集的生成方法采用均勻分布隨機(jī)選取。步驟C中對(duì)每一個(gè)成員分類(lèi)器，初始化輸入連接權(quán)矩陣Win及內(nèi)部連接權(quán)矩陣W的方法為按照均勻分布隨機(jī)生成。步驟D中所述的收集回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量及輸出變量的具體方法是將狀態(tài)變量及輸出變量分別輸入至回聲狀態(tài)網(wǎng)絡(luò)儲(chǔ)備池處理單元激活函數(shù)及輸出單元激活函數(shù)中處理所述回聲狀態(tài)網(wǎng)絡(luò)儲(chǔ)備池處理單元采用的激活函數(shù)為雙曲正切函數(shù)，輸出單元采用的激活函數(shù)為恒等函數(shù)。所述的收集回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量的方法為收集回聲狀態(tài)網(wǎng)絡(luò)各個(gè)儲(chǔ)備池的狀態(tài)變量，并輸入至儲(chǔ)備池處理單元激活函數(shù)中處理得到最終的狀態(tài)變量，收集至矩陣Μ, 具體為設(shè)故障數(shù)據(jù)樣本數(shù)量為a，將回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量^ (η)收集至矩陣M M = [xi; X2, ... , xj e rx(cx 獲得回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量收集結(jié)果；式中
‘XcN ⑴
權(quán)利要求
1.基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征是它由以下步驟實(shí)現(xiàn)步驟一、采用單位脈沖信號(hào)激勵(lì)電路工作，獲得電路待診斷響應(yīng)信號(hào)，并采集模擬電路的單位脈沖響應(yīng)輸出信號(hào)；步驟二、采用小波變換法對(duì)步驟一采集到的模擬電路的單位脈沖響應(yīng)輸出信號(hào)進(jìn)行處理，獲得故障特征；步驟三、將步驟二獲得的故障特征作為數(shù)據(jù)樣本，對(duì)所述數(shù)據(jù)樣本進(jìn)行隨機(jī)子空間映射，并輸入至回聲狀態(tài)網(wǎng)絡(luò)中，采用多儲(chǔ)備池集成分類(lèi)方法，訓(xùn)練建立模擬電路故障診斷模型；步驟四、對(duì)步驟一獲得的電路待診斷響應(yīng)信號(hào)進(jìn)行小波變換，獲得故障特征數(shù)據(jù)，對(duì)所述故障特征數(shù)據(jù)進(jìn)行隨機(jī)子空間映射，并輸入至步驟三中建立的模擬電路故障診斷模型中，獲得并輸出故障診斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟三中訓(xùn)練建立模擬電路故障診斷模型的具體方法是步驟A、設(shè)置成員分類(lèi)器數(shù)量、子空間維數(shù)，生成特征子集；步驟B、設(shè)置參數(shù)，所述參數(shù)包括儲(chǔ)備池處理單元個(gè)數(shù)、內(nèi)部連接權(quán)譜半徑、輸入伸縮尺度和儲(chǔ)備池稀疏程度，每一個(gè)特征子集對(duì)應(yīng)構(gòu)造一個(gè)儲(chǔ)備池；步驟C、對(duì)每一個(gè)成員分類(lèi)器，初始化輸入連接權(quán)矩陣Win及內(nèi)部連接權(quán)矩陣W ； 步驟D、將訓(xùn)練樣本輸入已初始化的回聲狀態(tài)網(wǎng)絡(luò)中，收集狀態(tài)變量及輸出變量； 步驟E、采用嶺回歸方法求解輸出權(quán)矩陣W°ut，得到訓(xùn)練完畢的網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練完成。
3.根據(jù)權(quán)利要求2所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟A中設(shè)定成員分類(lèi)器數(shù)量c = 50，子空間維數(shù)為「尸，式中，ρ為原始數(shù)據(jù)特征空間的維數(shù)。
4.根據(jù)權(quán)利要求2所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟A中所述的特征子集的生成方法采用均勻分布隨機(jī)選取。
5.根據(jù)權(quán)利要求2所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟C中對(duì)每一個(gè)成員分類(lèi)器，初始化輸入連接權(quán)矩陣Win及內(nèi)部連接權(quán)矩陣W的方法為按照均勻分布隨機(jī)生成。
6.根據(jù)權(quán)利要求2所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟D中所述的收集回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量及輸出變量的具體方法是將狀態(tài)變量及輸出變量分別輸入至回聲狀態(tài)網(wǎng)絡(luò)儲(chǔ)備池處理單元激活函數(shù)及輸出單元激活函數(shù)中處理所述回聲狀態(tài)網(wǎng)絡(luò)儲(chǔ)備池處理單元采用的激活函數(shù)為雙曲正切函數(shù)，輸出單元采用的激活函數(shù)為恒等函數(shù)。
7.根據(jù)權(quán)利要求6所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于所述的收集回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量的方法為收集回聲狀態(tài)網(wǎng)絡(luò)各個(gè)儲(chǔ)備池的狀態(tài)變量，并輸入至儲(chǔ)備池處理單元激活函數(shù)中處理得到最終的狀態(tài)變量，收集至矩陣Μ，具體為設(shè)故障數(shù)據(jù)樣本數(shù)量為a，將回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量^(η)收集至矩陣Μ:Μ= [χ1 J e RaX (cXN)獲得回聲狀態(tài)網(wǎng)絡(luò)的狀態(tài)變量收集結(jié)果；式中‘XcN ⑴x =Xcl(2lXc2(2X ■■■ ‘XcN (2)eR'α XjV-yvCN ⑷N為正整數(shù)，R為實(shí)數(shù)空間。
8.根據(jù)權(quán)利要求6所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于所述的回聲狀態(tài)網(wǎng)絡(luò)的輸出變量的收集方法為將輸出變量收集至矩陣T T= [(11；(12,... ,dJT e RaXL式中，Cl1, d2，. . .，da分別為a個(gè)故障數(shù)據(jù)樣本對(duì)應(yīng)的故障類(lèi)別標(biāo)識(shí)；L為輸出單元數(shù)。
9.根據(jù)權(quán)利要求2所述的基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，其特征在于步驟E中所述采用嶺回歸方法求解輸出權(quán)矩陣W°ut的方法是Wout = ((MTM+kI) _1ΜτΤ)τ式中，k為嶺參數(shù)，I為單位對(duì)角矩陣。
全文摘要
基于隨機(jī)子空間與多儲(chǔ)備池集成分類(lèi)的模擬電路故障診斷方法，涉及一種模擬電路故障診斷方法，它解決了采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬電路故障診斷的診斷精度較低的問(wèn)題。其方法采用單位脈沖信號(hào)激勵(lì)電路工作，獲得電路待診斷響應(yīng)信號(hào)，采集模擬電路的單位脈沖響應(yīng)輸出信號(hào)；采用小波變換法對(duì)模擬電路的單位脈沖響應(yīng)輸出信號(hào)進(jìn)行處理，獲得故障特征作為數(shù)據(jù)樣本，進(jìn)行隨機(jī)子空間映射，輸入至回聲狀態(tài)網(wǎng)絡(luò)中，采用多儲(chǔ)備池集成分類(lèi)方法，訓(xùn)練建立診斷模擬電路故障診斷模型；對(duì)電路待診斷響應(yīng)信號(hào)進(jìn)行小波變換，獲得故障特征數(shù)據(jù)，并進(jìn)行隨機(jī)子空間映射，并輸入至模擬電路故障診斷模型中，獲得并輸出故障診斷結(jié)果。本發(fā)明適用于模擬電路故障診斷。
文檔編號(hào)G01R31/3163GK102262210SQ20111009927
公開(kāi)日2011年11月30日 申請(qǐng)日期2011年4月20日 優(yōu)先權(quán)日2011年4月20日
發(fā)明者彭喜元, 彭宇, 王建民, 郭嘉, 雷苗 申請(qǐng)人:哈爾濱工業(yè)大學(xué)