一种基于级联集成分类器的模拟电路故障诊断方法
【专利摘要】本发明公开了一种模拟电路的故障诊断方法及其实现方式。发明的内容分为三部分：(1)模拟电路故障特征信息提取；(2)故障分类器构造；(3)算法软件实现。该方法包括以下步骤：故障特征信息库的构造，采用信息熵最大原则，选取最优母小波，对被测电路的响应节点进行小波分解，提取被测电路的最优特征，利用主成分分析对故障特征进行降维；故障分类与智能诊断，根据获得的故障特征信息，利用多分类器级联模型和分类器集成技术构造故障诊断器辨识存在的故障及其原因；采用C#.NET平台，结合Weka软件对算法进行具体实现。本发明的故障诊断方法及其实现方式具有故障诊断性能更高、诊断范围更广和算法健壮性、可解释性更强的优点。
【专利说明】一种基于级联集成分类器的模拟电路故障诊断方法
【技术领域】
[0001]本发明涉及一种模拟电路的故障诊断方法及其实现方式。
【背景技术】
[0002]模拟电路的故障诊断始于20世纪60年代，对其的理论研究是从网络元件参数可解性开始的，但由于其独特的困难如故障状态多样性、元件参数的容差性、信息不足以及结构模型的复杂性等，使得对于模拟电路的故障诊断的研究发展相对比较缓慢，其测试与故障诊断一直以来都成为困扰电路测试工业的难题。20世纪90年代后，随着人工智能技术的发展，模糊理论，小波技术以及一些机器学习方法都相继应用于该领域并取得了良好的效果，但其都存在片面性，对解决实际的模拟电路故障诊断与分析问题都还多多少少存在一定的差距。与此同时，模拟电路故障诊断的实际需求却不断增大。因此，研究一种对模拟电路板准确、快速的故障检测和故障定位方法，缩短检测维护时间及降低维修成本，对于完成电子设备中模拟电路板的保障维修具有重大意义。
【发明内容】
[0003]本发明公开一种模拟电路的故障诊断方法及其实现方式，包括:信号的故障特征提取、故障的分类识别和算法的软件实现三方面。该方法由以下步骤组成:(1)构造故障特征信息库，根据被测电路信号特点，采用信息熵最大原则(MEP)，选取最优母小波，对被测电路的响应节点进行小波分解，提取被测电路的最优特征，然后利用主成分分析(PCA)对每层进行降维从而得到故障特征信息。(2)故障分析与智能诊断，根据获得的故障特征信息参数，利用多分类器级联模型和集成(Ensemble)[同态和异态]技术构造智能故障诊断器辨识出可能存在的故障及其原因。a)故障诊断器采用多分类器级联模型，首先解决正常样本与早期故障样本难于区分的问题，即先将正常电路的特征样本与所有故障电路的样本分别构成两个不相交的子集，采用同态的集成技术构造支持向量机分类器，形成层级h，用于区分出正常和故障状态；其次对故障样本，采用异态的集成技术训练出不同算法的基分类器，然后利用加权投票算法对分类器进行合并，形成层级h，用于区分出不同故障状态，这二层次结构就形成了多分类的级联推理思想。b)级联模型的分类器构造采用集成技术，首先对于层级&，采用同态集成技术，即利用单边抽样的Bagging算法，解决数据的不平衡问题训练出集成的支持向量机分类器。然后对于层级h，采用异态集成技术训练出基于贝叶斯、决策树和支持向量机算法的合成分类器对样本进行加权投票输出，增加故障诊断系统的泛化精度。(3)算法的软件实现采用微软C#.NET平台，将Weka软件项目的weka.jar文件通过IKVM.NET工具转换成能被.NET调用的weka.dll程序集，对weka.dll中的某些类进行重写，完成对算法的具体实现之后采用三层架构模型编写软件，实现对故障的具体分析与诊断。
【专利附图】
【附图说明】[0004]图1故障特征提取流程图
[0005]图2故障决策流程图
[0006]图3软件架构图
【具体实施方式】
[0007]基于知识的模拟电路故障诊断技术从本质上讲是一个模式识别与分类问题。因此，如何提取故障的有效特征是模拟电路故障诊断的关键技术和重要一环，同时提取特征的最终目的是对测试样本构造分类器，实现对不同故障种类的正确分类识别。最终要达到这样的目的，完成对故障诊断的真实实现，必须要对算法进行软件的实现。
[0008]为了达到上述目的，本发明的方法是这样实现的:
[0009]1、模拟电路故障特征信息的最优小波提取
[0010]作为信号处理的小波故障特征信息提取方法是当前的研究热点，小波分析属于多分辨率分析，是一种精细的时频分析方法，对信号进行多层分解，有利于得到更多的采样信号局部细节特性，然而由于不同类型的小波具有不同的时频特性，为了更有效的提取电路的故障特征信息，应该使小波的时频特征与电路响应节点的时频特征相匹配，因此，本发明使用一种基于信息熵最大原则的最优母小波选择方法来解决此问题。具体的步骤如下，其流程如图1所不:
[0011](1)设任意给定的节点响应信号为f (t)，根据小波变换的定义式，
【权利要求】
1.本发明涉及到一种模拟电路的故障诊断方法及其实现方式。其内容主要包括信号的故障特征提取、故障的分类识别和算法的软件实现三方面。其特征在于该方法按以下步骤进行:(1)构造故障特征信息库，根据被测电路信号特点，采用信息熵最大原则(MEP)，选取最优母小波，对被测电路的响应节点进行小波分解，提取被测电路的最优特征，然后利用主成分分析(PCA)对每层进行降维从而得到故障特征信息。(2)故障分析与智能诊断，根据获得的故障特征信息参数，利用多分类器级联模型和集成(Ensemble)[同态和异态]技术构造智能故障诊断器辨识出可能存在的故障及其原因。a)故障诊断器采用多分类器级联模型，首先解决正常样本与早期故障样本难于区分的问题，即先将正常电路的特征样本与所有故障电路的样本分别构成两个不相交的子集，采用同态的集成技术构造支持向量机分类器，形成层级h，用于区分出正常和故障状态；其次对故障样本，采用异态的集成技术训练出不同算法的基分类器，然后利用加权投票算法对分类器进行合并，形成层级h，用于区分出不同故障状态，这二层次结构就形成了多分类的级联推理思想。b)级联模型的分类器构造采用集成技术，首先对于层级&，采用同态集成技术，即利用单边抽样的Bagging算法，解决数据的不平衡问题训练出集成的支持向量机分类器。然后对于层级Gi，采用异态集成技术训练出基于贝叶斯、决策树和支持向量机算法的合成分类器对样本进行加权投票输出，增加故障诊断系统的泛化精度。(3)算法的软件实现采用微软C#.NET平台，将Weka软件项目的weka.jar文件通过IKVM.NET工具转换成能被.NET调用的weka.dll程序集，对weka.dll中的某些类进行重写，完成对算法的具体实现之后采用三层架构模型编写软件，实现对故障的具体分析与诊断。本发明故障诊断方法具有故障诊断性能更高、诊断范围更广和算法健壮性、可解释性更强的优点。
【文档编号】G01R31/3163GK103728551SQ201310034374
【公开日】2014年4月16日 申请日期:2013年1月30日 优先权日:2013年1月30日
【发明者】史贤俊, 周绍磊, 廖剑, 肖支才, 戴邵武, 张文广, 王朕, 张树团, 秦亮 申请人:中国人民解放军海军航空工程学院