一种单测量节点模拟电路故障诊断方法
【技术领域】
[0001] 本发明涉及一种单测量节点模拟电路故障诊断方法。
【背景技术】
[0002] 模拟电路故障诊断在本质上等价于模式识别问题，其关键在于特征提取与模式判 据函数关系的寻找。因此，如何从看似繁杂的测量数据中，寻找其潜在的故障特征因子，并 依此为依据，对故障模式进行正确的判断与识别，称为模拟电路测试领域的一大重要研究 课题。
[0003] 模拟电路故障诊断经过了几十年的发展，已有的该方面的成果多种多样，且新的 研究成果不断涌现。总结故障诊断过程中所采用的各种技术，现较为广泛使用的主要有基 于统计理论、小波分析故障特征提取方法，基于神经网络、支持向量机的故障模式识别方法 等。这些方面对于促进模拟电路故障诊断技术的发展起了重大的推动作用，但由于模拟电 路故障诊断设计的知识领域范围大、故障模型的缺失以及方法本身的约束性，导致到目前 为止，模拟电路故障诊断技术还处于发展状态。
[0004] 由于模拟电路的可测节点数目有限，多数情况下仅有输出端一个节点为可测节 点，这种情形下采集到的测量数据，通常是各类独立源的混合数据，其特征因子隐含较深， 对这类电路进行诊断时，倘若直接把采集到的原始数据送往分类器进行分类，往往会使得 分类的计算量非常大，实现困难，且分类效果也不好，误判比率高。由于来自系统底层的独 立因子不单一，且对于终端用户来说，这些都是不可见的独立源，即盲源。目前针对盲源处 理方面的技术主要应用于语音识别领域，且其应用前提为多通道测量数据源。因此，单测量 节点的电路不能直接应用盲源分离技术实现特征因子的提取。
【发明内容】
[0005] 本发明要解决的技术问题是，克服现有技术存在的上述缺陷，提供一种误判率低 的单测量节点模拟电路故障诊断方法。
[0006] 本发明之单测量节点模拟电路故障诊断方法的实质在于通过一组正交小波分析 滤波器组把单测量节点信号转化为多路信号，从而应用盲源分离技术进行故障特征提取， 通过计算电路特定节点待测故障独立特征与已知样本故障独立特征间的互相关系数矩阵， 通过相关程度衡量参数来估计电路特定节点待测故障类型。由统计学知识可知，两个随机 向量的互相关系数越大，那么这两个随机向量相关性就越大，也就是说这两个随机向量的 相似程度越高，在误差允许的范围内，我们取一种近似，把已知样本的故障模式近似看成是 待测故障的类型。
[0007] 本发明解决其技术问题所采用的技术方案是：
[0008] 单测量节点模拟电路故障诊断方法，包括如下步骤：
[0009] (1)获取各故障模式下的先验样本数据向量：利用计算机仿真软件获取待测模拟 电路每种故障模式F 1下的M组电压样本向量Vlj, i = 1，2, "·，Ν，j = 1，2,3, "·，Μ，其中N 为电路故障模式总数，i代表电路工作在第i类故障模式，j为采集到的第j组样本，V1,代 表电路工作在第i类故障模式下采集到的第j组电压样本向量；
[0010] (2)计算各故障模式下的先验样本向量的统计平均值： 1，2,…，N，V1为电路工作在故障模式F i下的电压样本统计平均值向量；
[0011] (3)信号的haar正交小波滤波器组分解：对各故障模式的电压样本统计平均值向 量V 1 (i = 1，2,…，N)利用一个K层的haar正交小波分析滤波器组，使V1分解为（K+1)条 滤波输出信号；
[0012] (4)先验样本故障模式特征因子提取：将故障模式F1下的（K+1)条滤波输出信号 利用盲源处理技术，提取（K+1)个先验样本故障模式特征因子slid，其中d表示故障特征因 子的序号，其取值为d = 1，2,…，K+l，Slid表示故障模式F 的电压样本信号的第d个先 验样本故障模式特征因子；
[0013] (5)待测故障模式特征因子提取：采集M组待测故障模式下电压测量向量，取电压 测量向量的统计平均值，利用步骤（3)中的Haar正交小波滤波器组进行分解，通过步骤（4) 中的盲源处理技术，得待测故障模式下电压测量向量的（K+1)个特征因子' h，T表示待测， 为Test首字母，目的是用来区分待测故障模式与先验故障模式的；h表示特征因子的序号， h = 1，2,…，K+l，sT，h代表待测故障模式电压测量信号的第h个特征因子；
[0014] (6)分别计算待测故障模式特征因子与所有故障模式F1Q = 1，2, "·，Ν)的先验样 本故障模式特征因子之间的互相关系数矩阵R1、相关程度衡量参数δ 1:
[0016] 其中 P hd= E((s T,h_E(sT,h)) · (Siid-E(Siid))), i = 1，2,…，Ν，Ε( □)表示求期 望值，sT』(h= 1，2，···，Κ+1)代表待测故障模式电压测量信号的第h个特征因子，S1Jd = 1，2,…，K+1)表不故障模式FiT的电压样本信号的第d个先验样本故障模式特征因子， P hd的物理含义为待测故障模式电压测量信号的第h个特征因子与故障模式F 的电压 样本信号的第d个先验样本故障模式特征因子的相关系数；Maxi代表h不变，d = d 1，2,…，（K+1)时的Phd最大值；
[0017] (7)比较所有S1, i = 1，2,…，N: '则判为第k类故障 模式，其中Index( ·)代表求索引。
[0018] 进一步，所述步骤（3)中，K层的haar小波分析滤波器组的特征为：滤波器组的每 一层由一个低频滤波器g(n)和一个高通滤波器h(n)构成，对高频滤波器h(n)的输出部分 进行2倍下采样进入下一层小波滤波器组，对每层的低频滤波器g (η)的输出进行2倍下采 样后直接输出，且低通滤波器
[0019] 进一步，所述步骤（3)中，K层Haar小波分析滤波器组的层数K的确定方法为：设 滤波器组的输入信号为X，第K层的高通滤波器和低通滤波器的输出分别为y K，H和y ΚΛ，则K 值的确定步骤如下：
[0020] (3. 1)初始化：K = 1 ; β。= Th,其中K为滤波层数，β。为能量比率阈值，Th为预 设的能量比率阈值初始值，其值可为大于〇小于1的任一实数；
[0021] (3. 2)计算能量比率
）其中〈，> 代表求内积；
[0022] (3. 3)若β > β 0,则 K = K+1，返回执行步骤（3. 2)，否贝1J，输出滤波层数K。
[0023] 进一步，所述步骤（4)中，利用盲源处理技术提取特征因子的方法为：设需要利用 盲源技术处理的信号矩阵为Y 1，提取的特征因子矩阵为S1= [Slil …Slid…sli0(+1)]， 表示故障模式F 的电压样本信号的第d个先验样本故障模式特征因子，其中Y 1与S i 的维数相等；
[0024] (4. 1)初始化：特征提取矩阵W。、更新步长μ，并让W广W。，"一"表示将W。的值赋 给W1，其中W。为任意单位矩阵，μ取（0, 0.3)之间的实数；
[0025] (4. 2)计算=S1= W0Y1;
[0026] (4.3)更新W1=W1-WQ+y [I-f^LgT^]，这里函数f( ·)与 g( ·)的形式分别
代表取矩阵转置；I表示标准单位矩阵；
为对W1进行标准化处 理，"一"表示将W1标准化后赋给W 1;
[0028] (4. 5)判断收敛性=W1W1t^ I ?即判断W1W1^乘积是否无限接近单位矩阵1，"一" 表示"无限接近"，如果是，则输出S 1;否则W。一 Wi，"一"表示赋值，并返回（4.2) ;1表示标 准单位矩阵。
[0029] 本发明能在不丢失原始测量信息的前提下，把单路信号转化为多路信号，利用盲 信号技术提取故障模式独立性特征因子，使其具有反映不同故障模式下电路结构的变化情 况，再研究相关的模式判决规则，从而完成电路故障模式的成功归类。
【附图说明】
[0030] 图1为单测量节点模拟电路故障诊断方法框图；
[0031] 图2为小波滤波器组结构示意图；
[0032] 图3为滤波器组层数确定流程；
[0033] 图4为单测量节点特征因子提取流程。
【具体实施方式】
[0034] 以下结合附图对本发明进行详细的说明。
[0035] 参照图1，单测量节点模拟电路故障诊断方法，包括如下步骤：
[0036] (1)获取各故障模式下的先验样本数据向量：利用计算机仿真软件获取待测模拟 电路每种故障模式F 1下的M组电压样本向量Vlj, i = 1，2, "·，Ν，j = 1，2,3, "·，Μ，其中N 为电路故障模式总数，i代表电路工作在第i类故障模式，j为采集到的第j组样本，V1,代 表电路工作在第i类故障模式下采集到的第j组电压样本向量。在图1中表示为：采集M 组第1类故障模式下电压样本向量；采集M组第2类故障模式下电压样本向量；……;采集 M组第N类故障模式下电压样本向量。
[0037] (2)计算各故障模式下的先验样本向量的统计平均值 1，2,…，N，V1为电路工作在故障模式F i下的电压样本统计平均值向量；
[0038] (3)信号的haar正交小波滤波器组分解：对各故障模式的电压样本统计平均值向 量V 1 (i = 1，2,…，N)利用一个K层的haar正交小波分析滤波器组，使V1分解为（K+1)条 滤波输出信号；
[0039] (4)先验样本故障模式特征因子提取：将故障模式F1下的（K+1)条滤波输出信号 利用盲源处理技术，提取（K+1)个先验样本故障模式特征因子slid，其中d表示故障特征因 子的序号，其取值为d = 1，2,…，K+l，Slid表示故障模式F 的电压样本信号的