一种模拟电路故障诊断的方法的研究.docVIP

一种模拟电路故障诊断的方法的研究 　　摘 要： 将LSSVM算法应用于模拟电路故障诊断模型，使用PSO算法对LSSVM算法的参数进行寻优。以带通滤波器电路和双二次高通滤波器电路的故障诊断实例对该文研究的模拟电路故障诊断方法进行验证。使用三层小波包分解输出电压信号，得到8个频带能量特征向量，通过Monte Carlo仿真得到数据样本，用于故障诊断模型的训练和测试。结果表明，该文使用的改进LSSVM算法构建的故障诊断模型针对8种故障的诊断准确率均高于95%，具有?^好的故障诊断性能。 　　关键词： 模拟电路； 故障诊断； 最小二乘支持向量机； 粒子群优化算法 　　中图分类号： TN710.4?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）06?0183?04 　　Abstract： The LSSVM algorithm is applied to the analog circuit fault diagnosis model， and its parameters are optimized with particle swarm optimization （PSO） algorithm. The circuits of the band?pass filter and bi?quadratic high?pass filter are taken as the instance of the fault diagnosis to verify the analog circuit fault diagnosis method. The three?layer wavelet packet is used to decompose the output voltage signal to obtain 8 frequency band energy feature vectors. The data samples are acquired with Carlo Monte simulation， which are used to train and test the fault diagnosis model. The results show that the fault diagnosis model′s diagnosis accuracy for eight faults is higher than 95%， which is constructed with the improved LSSVM algorithm， and has high fault diagnosis performance. 　　Keywords： analog circuit； fault diagnosis； least square support vector machine； particle swarm optimization algorithm 　　0 引 言 　　目前各个行业对于大规模混合集成电路的应用越来越广泛，因此越来越多的学者开始重点研究电路故障诊断以及测试[1?2]。实际上数字电路故障诊断技术已经得到了完善的发展，然而模拟电路因具有非线性的特点，同时由于故障复杂多样性以及元件的容差性使得无法采取有效的方法诊断模拟电路的故障。国内外学者在1960年左右开始研究模拟电路故障诊断，并得到了很多经典的方法和理论，例如支持向量机法、人工神经网络、小波分解、模糊理论以及故障字典等，并对这些理论进行了充分的实践研究[3?5]。Suykens等人以机器学习损失函数为出发点提出了最小二乘支持向量机法，将二范数作为优化目标函数，采用等式约束条件取代不等式约束条件，这样在进行优化的过程中一组线性方程组的解可以通过Kuhn?Tucker条件来获取[6?7]。作为一种进化算法，PSO 算法和模拟退火算法有一定的相似性，采用迭代的方法，以随机解为出发点进行优化。这种算法具有收敛速度块、精度高以及实现容易的特点，在对一些实际问题进行解决的过程中具有一定的优势。粒子群算法也属于并行算法的类型[8?9]。本文将LSSVM算法应用于模拟电路故障诊断模型。 　　1 模拟电路故障诊断模型 　　完善后的惯性权重系数能够对搜索过程的高复杂性以及非线性进行模拟，全局以及局部搜索能力利用粒子群算法可以得到有效的平衡。 　　步骤4：对所能达到的停止条件进行检查，检查适应度值以及最大迭代次数是否能够满足要求，当满足条件时就停止迭代过程，如果不满足条件就继续执行步骤2。 　　步骤5：在获取粒子全局最优值的基础上进行LSSVM 回归预测，参数流程如图1所示[14]。 　　2 带通滤波器电路故障诊断 　　首