基于小波变换和ica特征提取的开关电路故障诊断方法
【技术领域】
[0001] 本发明涉及一种基于小波变换和ICA特征提取的开关电路故障诊断方法。
【背景技术】
[0002] 开关电流（Switched Current，SI)技术是20世纪80年代末提出的一门模拟采 样数据信号处理技术。作为开关电容技术的替代技术，它用离散时间采样数据处理连续时 间模拟信号，具有低电压、高速度、低功耗、芯片面积小和高频特征好等优势，在最近十儿年 获得了快速的发展。SI技术不包含线性电容和高性能运算放大器，完全与数字CMOS工艺 技术兼容，易于实现大规模数模混合电路的单片集成。然而，数模混合信号电路中模拟部分 的测试与诊断一直进缓慢。尽管近年来模拟电路的测试与故障诊断取得了不少研宄成果， 但数字工艺的模拟技术-开关电流电路的测试与故障诊断一直滞后于开关电流电路的设 计与制造，这极大地阻碍了 SI技术的发展。并且由于SI电路中MOS场效应管的非理想性 能、开关电荷流入、有限的频带宽度和非零输入输出电导比等因素更进一步增加了 SI电路 故障特征提取的困难性，使SI电路故
[0003] 障诊断还面临着很大的挑战。
[0004] 近年来，在开关电流电路故障诊断故障诊断领域中，涌现出了一些有效而实用的 测试和故障诊断方法。在这些诊断方法中，特征提取对测试和测试系统起了相对关键的作 用。在文献[黄俊，何怡刚.开关电流电路故障诊断技术的初步研宄.现代电子技术，2007， 30(9) :76-78]中，作者参考模拟电路测试与诊断方法简单讨论了 SI基本存储单元的测试， 对无 MOS开关的基本存储单元电路进行了硬故障测试。由于测量的是电流参数，造成用于 测试和诊断的相关故障信息量不完整，以致于不能准确地进行故障定位。
[0005] 而在文献[Guo，J.，R.，He，Y. G.，Liu M. R. · Wavelet neural network approach for testing of switched-current circuits. J Electron Test, 27 :611-625,2011.] 【记为文献[3]】中，作者利用小波神经网络对SI电路进行诊断能正确无误地诊断出所有 硬故障，但对软故障特别对低灵敏度晶体管发生故障时的诊断率很低，仅为80%左右。另 外，在文献[Long，Y.，He，Y. G.，&Yuan，L. F. Fault dictionary based switched current circuit fault diagnosis using entropy as a preprocessor. Analog Integrated Circuits and Signal Processing，66 (I)，2011 :93-102.]【记为文献[1]】中，作者第一 次在SI电路测试和诊断中引入故障特征预处理概念，通过对采集到的故障响应信号进行 信息熵预处理特征提取，计算信息熵模糊集构建故障字典，进行故障分类，减少了计算和故 障诊断时间，诊断正确率达到95 %左右，但该方法仅适应于中小规模开关电流电路的故障 诊断。在文献[Zhang，Z.，Duan，Z.，Long，Y.，&Yuan，L. F. A new swarm-SVM-based fault diagnosis approach for switched current circuit by using kurtosis and entropy as a preprocessor. Analog Integrated Circuits and Signal Processing，vol.81， no. I. 2014.]【记为文献[2]】中，作者增加了一个特征参数-峭度，提出了基于粒子群支持 向量机的信息熵和峭度预处理的SI电路测试和诊断方法，软故障诊断正确率有了进一步 的提尚，达到99%左右，但是仍不能达到100%的故障诊断与识别。
[0006] 因此，有必要设计一种新型的开关电路故障诊断方法。
【发明内容】
[0007] 本发明所要解决的技术问题是提供一种基于小波变换和ICA特征提取的开关电 路故障诊断方法，该基于小波变换和ICA特征提取的开关电路故障诊断方法易于实施，相 比现有方法，能更准确的区分出各种故障类型。
[0008] 发明的技术解决方案如下：
[0009] 一种基于小波变换和ICA特征提取的开关电路故障诊断方法，该方法用于开关电 流电路的故障诊断，所述的开关电路故障诊断方法包括以下步骤：
[0010] 步骤1:分类器训练以及构造故障字典
[0011] 基于电路仿真，采用基于小波变换和ICA特征提取的方法获取特征参数，基于该 特征参数构造故障字典以及训练分类器；
[0012] 步骤2:故障诊断：
[0013] 参照故障字典，针对待诊断的开关电流电路采用基于小波变换和ICA特征提取的 方法获取特征参数，将该特征参数输入到训练后的分类器中对待测开关电流电路进行故障 诊断，分类器的输出信号即为故障诊断结果；
[0014] 所述的基于小波变换和ICA特征提取的方法包括以下步骤：
[0015] 步骤a :产生伪随机信号作为测试激励信号；
[0016] 伪随机信号为伪随机脉冲序列；
[0017] 步骤b:定义故障模式：
[0018] 对开关电流电路进行灵敏度分析，得到元件参数的改变对电网络系统特征的一阶 改变，以定位电路中最有可能发生故障的故障元件；并基于故障元件定位划分故障模式； 故障元件的数量为N，则故障模式的种类为2*N个；N为自然数；
[0019] 步骤c.采集电路的原始响应数据：
[0020] 用伪随机信号激励被测的开关电流电路，用ASIZ软件对被测开关电流电路的各 种故障状态及正常状态进行仿真，从开关电流电路的输出端采集到原始响应数据；该原始 响应数据为电流或电压数据；
[0021] 步骤d.采用Haar小波正交滤波器对原始响应数据进行预处理；
[0022] 利用Haar小波正交滤波器作为采集序列的预处理系统，得到观测信号的低频近 似?目息和尚频细节?目息；
[0023] 步骤e.故障特征参数提取；
[0024] 分别针对预处理后的信号计算低频近似信息和高频细节信息的熵和峭度；获得以 下特征参数：低频近似熵、低频近似峭度、高频细节熵和高频细节峭度。
[0025] 步骤1中，构造故障字典的步骤为：
[0026] 基于获取的低频近似熵和低频