基于改进MF-DFA的模拟电路软故障诊断方法研究.pdf

哈尔滨理工大学工学硕士学位论文

基于改进MF-DFA的模拟电路软故障诊断方法研究

摘要

尽管数字信号理论和应用在当今电子技术的快速发展中扮演着重要角色，

但模拟信号仍然在人们的日常生活中占据主导地位。相关资料显示，数模混合

的电路约电路部分的60%，而模拟电路虽然只占其中的20%，但是由于其具有

非线性的特征，导致模拟电路部分的测试和故障诊断所消耗的费用高达总成本

的80%。同时，在过去几十年中，模拟电路软故障的研究虽然已取得一定进展，

但仍缺乏突破性的成果，因此，继续深入研究模拟电路软故障理论和解决方案，

发掘更有效的技术，仍然是当前研究的重要方向之一。

本文主要围绕着模拟电路软故障诊断中的特征提取技术展开研究，探讨了

集合经验模式分解（EnsembleEmpiricalModeDecomposition,EEMD）在信号预

处理的时候如何避免模态混叠现象的发生，以及改进多重分形去趋势波动

MultifractalDetrendedFluctuationsAnalysisMF-DFA

（，）在模拟电路软故障信

号特征提取上的优势。

主要工作如下：为了避免模态混叠现象的发生，对电路故障信号进行EEMD

分解，得到多个不同中心频率的本征模态分量（IMFs），然后采用改进MF-DFA

对IMFs进行故障特征的提取，选取合适的参数作为信号特征输入到分类器中，

为后续的故障诊断提供数据基础。

针对故障诊断，本文提出了基于改进胶囊网络（CapsuleNetwork）和多标签

分类的智能故障诊断方法。传统的胶囊网络模型架构较为简单，无法更好的保

留故障特征信息，随着时代的发展，电路故障已经不在局限于单一的故障类型，

因此本文在原始的胶囊网络模型架构的基础上增加了挤压激励模块、自注意路

由和多标签分类器。通过实验结果表明，基于改进MF-DFA与改进的胶囊网络

的方法有较好的诊断效果。

关键词模拟电路软故障诊断；集合经验模式分解；改进去趋势波动分析；胶囊

网络；多标签分类

-I-

哈尔滨理工大学工学硕士学位论文

ResearchonSoftFaultDiagnosisMethodforAnalog

CircuitsBasedonImprovedMF-DFA

Abstract

Althoughdigitalsignaltheoryandapplicationsplayanimportantroleinthe

rapiddevelopmentoftodayselectronics,analoguesignalsstilldominatepeoples

dailylives.Relevantinformationshowsthatthemixeddigital-analogcircuitsare

about60%ofthecircuitpart,whiletheanaloguecircuitsonlyaccountfor20%of

them,butbecauseofitsnon-linearcharacteristics,resultingintheanaloguecircuit

partofthetestandtroubleshootingconsumesupto80%ofthetotalcost.Although

someprogresshasbeenmadeintheresearchofanaloguecircuitsoftfaultsinthe

pastdecades,thereissti