【正文】 分類號(hào) 密 級(jí) U D C 學(xué) 位 論 文基于小波包分析和二叉樹支持向量機(jī)的模擬電路故障診斷系統(tǒng)研究及實(shí)現(xiàn)作 者 姓 名 ：指 導(dǎo) 教 師 ： 東北大學(xué)信息科學(xué)與工程學(xué)院電子信息工程研究所申請(qǐng)學(xué)位級(jí)別： 碩 士 學(xué) 科 類 別 ：工 學(xué)學(xué)科專業(yè)名稱： 電工理論與新技術(shù)論文提交日期： 論文答辯日期：學(xué)位授予日期： 答 辯 委 員 會(huì) 主 席 ：評(píng) 閱 人 ：A Thesis for the Degree of Master in Electrical Theory and New TechnologyResearch and Realization of Fault Diagnosis System of Analog Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector Machinesby Liu JunfangSupervisor : Professor Wang AnnaNortheastern UniversityJanuary 2022－I－獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包括本人為獲得其他學(xué)位而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示誠摯的謝意。 學(xué)位論文作者簽名 ： 簽 字 日 期 ： 學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、交流。(如作者和導(dǎo)師同意網(wǎng)上交流，請(qǐng)?jiān)谙路胶灻悍駝t視為不同意)學(xué)位論文作者簽名 ： 導(dǎo) 師 簽 名 ： 簽 字 日 期 ： 簽 字 日 期 ：畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明東北大學(xué)碩士學(xué)位論文 摘 要－II－本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W 歷而使用過的材料。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。作 者 簽 名：　　 　 　　 日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日 　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名：　　 　 　　 日　 期：　　 　 　　 東北大學(xué)碩士學(xué)位論文 摘 要－III－學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)　　 　 　大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日東北大學(xué)碩士學(xué)位論文 摘 要－IV －基于小波包分析和二叉樹支持向量機(jī)的模擬電路故障診斷系統(tǒng)研究及實(shí)現(xiàn)摘 要模擬電路的可靠性決定了電子設(shè)備系統(tǒng)的可靠性，模擬電路故障診斷具有極其重要的現(xiàn)實(shí)意義，是電工電子領(lǐng)域的一個(gè)前沿研究課題。隨著模擬電路不斷向大型化、集成化方向發(fā)展，電路的復(fù)雜性不斷提高，故障診斷的難度也隨之增大，且一旦發(fā)生故障，可能會(huì)造成人員和財(cái)產(chǎn)的巨大損失。因此，及時(shí)準(zhǔn)確地預(yù)測(cè)和檢測(cè)出電路故障，既可以減少事故，保證系統(tǒng)平穩(wěn)可靠地運(yùn)行，同時(shí)也可以降低生產(chǎn)成本?；谌斯ぶ悄艿臋C(jī)器學(xué)習(xí)方法能夠構(gòu)造多類分類學(xué)習(xí)模型，進(jìn)行模擬電路故障診斷，是目前研究的熱點(diǎn)之一。本文以遼寧省自然科學(xué)基金項(xiàng)目“基于支持向量機(jī)電氣電子系統(tǒng)故障診斷及預(yù)測(cè)新方法研究”為背景，研究了基于小波包分析和二叉樹支持向量機(jī)的模擬電路故障診斷方法。針對(duì)模擬電路往往有容差，而且不同節(jié)點(diǎn)的電壓或電流對(duì)不同故障敏感的特點(diǎn)，利用 PSpice 特有的蒙特卡洛分析和最壞情況分析功能，對(duì)不同故障狀態(tài)的信號(hào)進(jìn)行采集。傳統(tǒng)的小波變換(Wavelet Transform,WT) 只對(duì)信號(hào)近似部分 (低頻)作進(jìn)一步的分解，小波包變換(Wavelet Packet Transform,WPT)則可以同時(shí)對(duì)近似部分和細(xì)節(jié)部分(高頻)進(jìn)行分解，本文用小波包變換對(duì)電路故障信號(hào)進(jìn)行特征提取。研究了模擬電路輸出信號(hào)頻率成分能量的變化情況和不同故障信號(hào)的對(duì)應(yīng)關(guān)系，將能量向量作為故障特征向量。針對(duì)模擬電路不同故障的特點(diǎn)，提出了最優(yōu)小波包變換(Optimal Wavelet Packet Transform，OWPT)和不完全小波包變換 (Inplete Wavelet Packet Transform，IWPT)的信號(hào)特征提取方法。實(shí)驗(yàn)結(jié)果表明，最優(yōu)小波包變換適合于軟故障特征提取，不完全小波包變換適合于硬故障特征提取。最初的支持向量機(jī)(Support Vector Machines，SVM)算法是對(duì)兩類問題進(jìn)行分類，但模擬電路故障分類大多屬于多類分類問題。針對(duì)目前常用的基于 SVM 一對(duì)多(1versusrest，1Vr)、一對(duì)一(1versus1，1V1) 和決策導(dǎo)向無環(huán)圖(Decision Directed Acyclic Graph，DDAG)等多類分類算法的不足，本文提出了四種基于分離性測(cè)度的二叉樹 SVMs (Binary Tree Support Vector Machines， BTSVMs)分類方法：偏二叉樹 SVMs 東北大學(xué)碩士學(xué)位論文 摘 要－V －(Slantwise Binary Tree Support Vector Machines, SBTSVMs)、隨機(jī)二叉樹 SVMs (Random Binary Tree Support Vector Machines, RBTSVMs)、完全二叉樹 SVMs (Complete Binary Tree Support Vector Machines, CBTSVMs)和自適應(yīng)二叉樹 SVMs (Adaptive Binary Tree Support Vector Machines, ABTASVMs)。所做的模擬電路故障診斷仿真實(shí)驗(yàn)表明，本文提出的基于改進(jìn)二叉樹 SVMs 多類分類算法是可行的，有效地提高了故障診斷準(zhǔn)確率和速度?；? 平臺(tái)，開發(fā)了模擬電路故障診斷系統(tǒng)，系統(tǒng)設(shè)計(jì)了故障診斷的各個(gè)模塊，實(shí)現(xiàn)了基于改進(jìn) BTSVMs 算法的模擬電路故障診斷。 關(guān)鍵詞：模擬電路；故障診斷；小波包；支持向量機(jī)；二叉樹；多類分類東北大學(xué)碩士學(xué)位論文 Abstract－VI －Research and Realization of Fault Diagnosis System of Analog Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector Machines AbstractThe reliability of electrical systems depends on that of analog circuits, analog circuits fault diagnosis research is significant and is a forefront subject in the electronic area. With the manufacture of modern circuits being largescale and integrated, circuits bee more and more plex, the plexity of fault diagnosis increases. Once fault occurs, it might cause large casualties and serious economic losses. Therefore, if fault could be detected and diagnosed in time and accurately, the possibility of accident occurring will be reduced, the systems could run stably and safely and the cost of process management also falls. The fault diagnosis methods based on artificial intelligence and machine learning could construct multiclassification learning models and make fault diagnosis, which is a hot research subject. Based on the Liaoning province nature science fund project ‘New methods based on support vector machine study for fault diagnosis and forecast of electric and electron system’, the thesis researches fault diagnosis method of analog circuit based on wavelet packet analysis and binary tree support vector machines.Because analog circuits are usually with tolerances and the voltage and current of different nodes are sensitive to different fault ponents, the Monte carlo analysis and the Worst case analysis special functions of PSpice are used to collect different fault information. The orthodox wavelet transform (WT) only splits low frequency bands, but wavelet packet transform (WPT) can split low frequency bands and high frequency bands synchronously, so wavelet packet transform is used for fault feature extraction. Then corresponding relation between energy of each frequency bands and different fault information is studied, energy features are collected as fault samples features. To traits of different faults of analog circuit, two improved methods of feature extraction based on WPT are presented: optimal wavelet packet transforms (OWPT) and inplete wavelet packet transforms (IWPT). Simulations results show that OWPT method is effective for feature extraction of soft fault diagnosis,