斜率模型故障诊断与arma预测技术分析及电路验证-slope model fault diagnosis and arma prediction technology analysis and circuit verification.docxVIP

I I 摘 要 摘 要 随着模拟电路复杂性的提高，电路故障诊断与预测的难度也在不断的增加。 研究人员致力于故障诊断与预测算法研究，取得了诸多成果，促进了算法研究的 发展，但是却一直缺乏实测数据来源和实际故障诊断系统来评判算法的优劣性， 所以这两方面的研究发展也显得缓慢。论文将在研究基于斜率模型故障字典诊断 方法，以及 ARMA 预测模型的基础上，选用 leapfrog 电路建立故障诊断与预测系 统，实现对算法的实际验证。 在理论研究上，论文致力于两种算法研究。首先，对基于斜率模型故障诊断 方法进行研究，探讨了使用该法建立故障字典的理论基础和具体步骤，对 leapfrog 低通滤波器电路建立了斜率故障字典，得出了最佳测试节点，减少了测试节点数； 同时，对 ARMA 预测技术进行了深入研究，对建立 ARMA 模型的关键技术进行 了详细阐述，对比了矩估计和极大似然估计两种模型参数计算方法，在此基础上 给出使用粒子群算法（PSO）对 ARMA 模型的 AR 参数和 MA 参数进行优化的思 想。通过仿真和实例验证，证明优化后的参数更适合建立 ARMA 模型。 在实践上，搭建了模拟电路故障诊断与预测的验证系统，包括被测模块，采 集模块和数据处理模块。针对 leapfrog 电路，使用 Protel 设计原理图和电路板，利 用 Pspice 和 Matlab 实现了电路仿真，并使用 VC++软件建立用户界面，实现了在 线故障诊断与预测。系统为故障诊断算法提供实测数据，实现在线故障诊断；同 时，系统也为预测算法研究提供数据来源，实现在线状态预测。 实验结果表明，系统运行良好，基本实现在线故障诊断与预测。论文所建立 的系统，可以为故障诊断与预测提供实测数据，实现算法在实际电路中的优劣评 价。 关键词：斜率模型，故障字典法，ARMA 预测，粒子群算法，leapfrog 电路 II II ABSTRACT ABSTRACT With the increasing complexity of analog circuits, the difficulty of fault diagnosis and prediction of the circuit also constantly increase. Researchers have focused on fault diagnosis and prediction algorithms and achieved many achievements which promoted the development of algorithms. Because of lacking experimental data and the actual fault diagnosis system to evaluate the algorithms’ advantages and disadvantages, so the progress of fault diagnosis and prediction research on analog circuit grow slowly. In this dissertation, the method of slope model-based fault diagnosis and the ARMA prediction model have been studied, and the leapfrog circuit has been choosed to establish a fault diagnosis and prediction system to verify the simulation result. In theory, the two algorithms have been researched in detail. First, for the method of the slope-based model fault diagnosis, on the one hand, researching the theoretical foundation and concrete steps of the method, on the other hand, using it to establish the fault dictionary. The fault dictionary of the leapfrog low-pass filter circuit has been taken as an example. The simulation result show that the optimum test node has