一種模擬電路故障模式分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及模擬電路故障診斷領(lǐng)域，特別涉及一種模擬電路故障模式分類方法。
【背景技術(shù)】
[0002] 現(xiàn)代電子和計算機(jī)技術(shù)的迅猛發(fā)展使得電子設(shè)備的組成和結(jié)構(gòu)越來越復(fù)雜，規(guī) 模越來越龐大，為了提高系統(tǒng)的安全性和可靠性，對電路測試和診斷提出了更高、更新的 要求。電子系統(tǒng)中容易出問題的部分往往在模擬電路，模擬電路的故障診斷也一直制約我 國電路工業(yè)的"瓶頸"。為順應(yīng)當(dāng)代微電子技術(shù)和信息技術(shù)的新發(fā)展，開展模擬電路工業(yè)發(fā) 展具有重要的理論價值和現(xiàn)實意義。
[0003] 目前基于支持向量機(jī)的模擬電路故障模式分類器優(yōu)勢在于它適合于小樣本決策， 對學(xué)習(xí)樣本的數(shù)量要求較低，能夠在有限特征信息情況下，最大限度的挖掘數(shù)據(jù)中隱藏的 分類信息，缺點在于故障特征向量的維數(shù)過大，會增加支持向量機(jī)的學(xué)習(xí)訓(xùn)練難度，另外對 訓(xùn)練數(shù)據(jù)不同的處理方法也會影響故障模式分類器的分類精度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問題是，克服現(xiàn)有技術(shù)存在的上述缺陷，提供一種模擬電路 故障模式分類器方法，以利于減輕故障模式分類器的學(xué)習(xí)訓(xùn)練難度，提高故障模式分類器 的分類精度，
[0005] 本發(fā)明基于支持向量機(jī)構(gòu)建故障模式分類器，利用子空間投影方法提取故障特 征，再對故障特征進(jìn)行標(biāo)準(zhǔn)化處理，最后使用標(biāo)準(zhǔn)化故障特征訓(xùn)練支持向量機(jī)，實現(xiàn)模擬電 路故障模式分類器的構(gòu)建。
[0006] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0007] -種模擬電路故障模式分類方法，包括以下幾 個步驟：
[0008] -種模擬電路故障模式分類方法，其特征在于，包括以下幾 個步驟：
[0009] (1)利用數(shù)據(jù)采集板在模擬電路的每種故障模式F1, i = 1，2,…，N下的待測節(jié)點 處采集M組電壓信號樣本向量Vlj, j = 1，2,…，MJlj代表第i類故障模式的第j組電壓信 號樣本向量，N代表故障模式的總數(shù)；
[0010] (2)依次對工作在故障模式Fyi = 1，2，...，N下的電壓信號樣本向量VljJ = 1， 2, ...，M利用子空間投影提取故障特征向量V1/, V1/表示第i種故障模式下，第j組電壓 信號樣本的故障特征向量；
[0011] (3)對提取的故障特征向量Vi/進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化故障特征向量fg.， 其計算方法為
[0012] (4)依次對兩種不同故障模式％和％構(gòu)建一個二分類支持向量機(jī)，其中I1= 1， 2, ...，N，i2= 1，2, ...，N，（i ^ i2)，N為故障模式總數(shù)，則總共能構(gòu)建N(N-I)/2個不同 的二分類支持向量機(jī)；
[0013] (5)將待測標(biāo)準(zhǔn)化故障特征同時送入N(N_l)/2個二分類支持向量機(jī)進(jìn)行分類判 決，根據(jù)每個二分類支持向量機(jī)的分類結(jié)果統(tǒng)計票數(shù)，若待測故障模式屬于故障模式F 1, i =1，2，. . .，N，則匕的票數(shù)加1，最后所得投票數(shù)最多的故障模式即為待測電路所屬的故障 模式。
[0014] 進(jìn)一步，所述步驟（2)中，利用子空間投影提取故障特征向量V1/的步驟為：
[0015] (2. 1)計算電壓信號樣本向量Vu維數(shù)：L = length(V i.j);
[0016] (2· 2)生成LXL維托普利茲變換矩陣Φ :
[0018] (2. 3)計算電壓信號樣本向量Vlj在托普利茲變換矩陣Φ內(nèi)的投影向量：V Ρ = OtV1 j，其中T表示轉(zhuǎn)置矩陣；
[0019] (2. 4)求最大投影子空間及故障特征向量V1/:
[0020] (2. 4. 1)初始化子空間投影坐標(biāo)維數(shù)K
代表向上取整，N 為待測電路故障模式總數(shù)；
[0021] (2.4. 2)構(gòu)建最大投影子空間索引向量I，其維數(shù)為1XK，并將其初始化為IXK維 的〇向量，即I = [0 0…0]，同時構(gòu)建一計數(shù)變量P，初始化P = 1 ;
[0022] (2. 4. 3)更新最大投影子空間索引向量I :I (P) = Index(Max(| VpI))，此處I (P) 代表1向量中的第P個向量值，Max( ·)代表求向量元素最大值，Vp表示電壓信號樣本向量 Vlj在托普利茲變換矩陣Φ內(nèi)的投影向量，Index( ·)代表求索引；
[0023] (2. 4. 4)判斷：p〈K ?，如果不是，則執(zhí)行步驟（2. 4. 5);否則，執(zhí)行p = p+1,且用 〇值替換投影向量Vp中最大元素，返回步驟（2.4.3);
[0024] (2. 4. 5)以I向量元素作為托普利茲變換矩陣Φ的行索引值，提取對應(yīng)行向量構(gòu) 成矩陣ΦΛ，其維數(shù)為KXL ;
[0025] (2. 4. 6)計算最大投影子空丨1
[0026] (2. 4. 7)計算子空間投影故障特征向量
[0027] 進(jìn)一步，步驟（4)中，每個二分類支持向量機(jī)的具體構(gòu)建步驟為：
[0028] (4. 1)構(gòu)建二分類器決策模
+ b,其中W代 表訓(xùn)練數(shù)據(jù)樣本數(shù)量，Xl稱為支持向量，a i為某一實數(shù)，b為偏置量，yie y = {+1，-1}為 類標(biāo)識；
[0029] (4. 2)劃分訓(xùn)練樣本集：將故障模式^和^下的標(biāo)準(zhǔn)化故障特 征$及尤，j = 1，2, . . .，M構(gòu)成訓(xùn)練樣本集S = {{S丄{S }}，其中
的類標(biāo)識定義+1，*1的類標(biāo)識定義為-i;
[0030] (4. 3)利用訓(xùn)練樣本集S對二分類器決策模型進(jìn)行訓(xùn)練，以確定二分類支持向量 機(jī)的參數(shù)α ;及b ;
[0031] (4. 4)輸出二分類支持向量機(jī)判決函數(shù)：
[0032]
|，其中sgn (·)為符號函數(shù)；W表示訓(xùn) 練數(shù)據(jù)樣本數(shù)量；
[0033] (4. 5)按判決函數(shù)對待測特征完成模式判決：測試過程中的判決投票按判決函數(shù) 進(jìn)行，若輸出y = 1，則故障模式的票數(shù)加1，否則，故障模式t的票數(shù)加1。
[0034] 進(jìn)一步，所述步驟（4. 3)中，利用訓(xùn)練樣本集S對二分類器決策模型進(jìn)行訓(xùn)練，以 確定二分類支持向量機(jī)的參數(shù)a 的具體步驟為：
[0035] (4. 3. 1)標(biāo)準(zhǔn)化核矩陣：
表示電壓信號樣本向量的采集組數(shù)；
，式中diag ( ·)代表求對角陣，sqrt ( ·)代表求 矩陣元素的均方根，更新?:云f D * i * 表示標(biāo)準(zhǔn)化核矩陣；
[0038] (4. 3. 2)二分類器訓(xùn)練，其訓(xùn)練偽代碼如下：
[0039] 輸入訓(xùn)練樣本集：S = {{S+}，{S }};
[0040] 處理過程：如果類標(biāo)識Y1= +1，則
[0041] 如果類標(biāo)識yi=-1，則
·否則<_=〇;: M表示電壓信號樣本向量的采集 組數(shù)；
[0043] (4. 3. 2)計算分類器參數(shù)：
[0044] 實數(shù)- ?7 ;
[0045] 偏置量
其中（·）τ代表矩陣或者向量的轉(zhuǎn)置。 ?表示標(biāo)準(zhǔn)化核矩陣。
[0046] 本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點：
[0047] (1)本發(fā)明利用子空間投影方法提取故障特征向量，根據(jù)電壓信號樣本向量的長 度確定合適的故障特征向量的維數(shù)，保證故障特征信息完整的同時也減少冗余的故障特 征，有助于降低故障模式分類器的學(xué)習(xí)訓(xùn)練難度。
[0048] (2)本發(fā)明使用標(biāo)準(zhǔn)化處理方法處理故障特征向量，對提高故障模式分類器的分 類精度有較明顯的效果。
【附圖說明】
[0049] 圖1為本發(fā)明模擬電路故障模式分類器方法的流程框圖；
[0050] 圖2為本發(fā)明構(gòu)建二分類支持向量機(jī)步驟框圖。
【具體實施方式】
[0051] 以下結(jié)合附圖和實施例對本發(fā)明進(jìn)行詳細(xì)的說明。
[0052] 參照圖1，一種模擬電路故障模式分類方法，包括以下幾個步驟：
[0053] (1)利用數(shù)據(jù)采集板在模擬電路的每種故障模式F1, i = 1，2,…，N下的待測節(jié)點 處采集M組電壓信號樣本向量Vlj, j = 1，2,…，MJlj代表第i類故障模式的第j組電壓信 號樣本向量，N代表故障模式的總數(shù)；
[0054] (2)依次對工作在故障模式F^i = 1，2，···，N下的電壓信號樣本向量VljJ = 1， 2, ...，M利用子空間投影提取故障特征向量V1/, V1/表示第i種故障模式下，第j組電壓 信號樣本的故障特征向量；
[0055] (3)對提取的故障特征向量V1/進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化故障特征向量，其 計算方法為
[0056] (4)依次對兩種不同故障模式A和％構(gòu)建一個二分類支持向量機(jī)，其中I1= 1， 2, ...，N，i2= 1，2, ...，N，（i ^ i2)，N為故障模式總數(shù)，則總共能構(gòu)建N(N-I)/2個不同 的二分類支持向量機(jī)；
[0057] (5)將待測標(biāo)準(zhǔn)化故障特征同時送入N(N_l)/2個二分類支持向量機(jī)進(jìn)行分類判 決，根據(jù)每個二分類支持向量機(jī)的分類結(jié)果