【正文】 ...............60 本章小結(jié)............................................................................................................................64第八章 結(jié)論與展望 .................................................................................................................65 結(jié)論....................................................................................................................................65 展望....................................................................................................................................65參考文獻(xiàn) ...................................................................................................................................67致 謝 .......................................................................................................................................71攻讀碩士期間參加的科研工作 ...............................................................................................73攻讀碩士期間發(fā)表的論文及獲獎情況 ...................................................................................75東北大學(xué)碩士學(xué)位論文 第一章 緒 論－1－第一章 緒 論隨著模擬電子電路 VLSI 的崛起和數(shù)字/模擬混合電路的普遍使用，對模擬系統(tǒng)的測試和診斷提出了急迫的需求和更高的要求。 Fault Diagnosis。針對目前常用的基于 SVM 一對多(1versusrest，1Vr)、一對一(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)。研究了模擬電路輸出信號頻率成分能量的變化情況和不同故障信號的對應(yīng)關(guān)系，將能量向量作為故障特征向量?；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。涉密論文按學(xué)校規(guī)定處理。對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。對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。 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。分類號 密 級 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學(xué)位級別： 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 主 席 ：評 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。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。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)校可以采用影印、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。本人完全意識到本聲明的法律后果由本人承擔(dān)。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。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)的信號特征提取方法。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。 Wavelet Packet。 課題研究背景及意義隨著電子工業(yè)的發(fā)展，電子設(shè)備的復(fù)雜性越來越高，據(jù)美國的資料顯示，即使系統(tǒng)中 80%的電路板是數(shù)字電路，但 80%的故障卻出在模擬電路。與數(shù)字電路相比，模擬電路診斷原理與方法研究的進(jìn)展緩慢，主要是由于以下原因：(1) 時(shí)間和電壓的連續(xù)特性使得模擬電路比數(shù)字電路更易受缺陷的影響。此外，測試過程中所需的額外硬件開銷較大 [1]。模擬電路廣泛應(yīng)用于軍工、航天、通訊、自動控制、測量儀表、家用電器等各個(gè)方面，現(xiàn)在模擬集成電路已迅速地發(fā)展。由于以上原因，模擬電路故障診斷的研究引起了人們高度的重視，從 70 年代后期起，世界各國許多電路理論工作者積極投入了這一領(lǐng)域的研究，提出了各種不同的故障診斷原理和辦法。開展這一領(lǐng)域的研究，對促進(jìn)近代電路理論的發(fā)展特有其重要的推動作用。以此拉開了模擬電路故障診斷理論研究的序幕。1985 年 Bandler J. W[9,10]在 IEEE 上發(fā)表了題為模擬電路故障診斷的特邀文章，對到當(dāng)時(shí)為止的模擬電路故障診斷的理論作了全面總結(jié)。90 年代以后，人們對故障診斷理論的研究更加深入，各種方法相互滲透和融合，理論應(yīng)用的領(lǐng)域也有了很大的擴(kuò)展。智能故障診斷方法包括模糊診斷方法、專家系統(tǒng)診斷方法、神經(jīng)網(wǎng)絡(luò)診斷方法、混合智能的診斷方法和支持向量機(jī)診斷方法等 [3,4]。顯而易見，測前模擬法更容易做實(shí)時(shí)故障診斷。(5) 按所用的數(shù)學(xué)方法可分為：確實(shí)法和概率法。故障字典法涉及到產(chǎn)生使元件故障與電壓標(biāo)志相對應(yīng)的表格，以便在對故障電路進(jìn)行測試后，按所測激勵(lì)和響應(yīng)從上述表格中查詢出相應(yīng)的故障元件。東北大學(xué)碩士學(xué)位論文 第一章 緒 論－5－模擬電路故障診斷測后模擬法 測前模擬法參數(shù)識別技術(shù) 故障證實(shí)技術(shù)多頻測量法概率統(tǒng)計(jì)法故障字典法網(wǎng)絡(luò)撕裂法故障定界診斷法K故障診斷法參數(shù)估計(jì)法轉(zhuǎn)移導(dǎo)納參數(shù)法圖 模擬電路故障診斷方法分類圖 The method classification diagram of analogy circuits測后模擬法的典型方法主要有元件參數(shù)識別法和故障驗(yàn)證法 [7]。故障驗(yàn)證法較之元件參數(shù)識別法，所需的故障信息少，但對電路的可測試性要求較高。目前，智能故障診斷理論和方法的研究雖然取得了較大的成就，但由于機(jī)器學(xué)習(xí)瓶頸問題的制約，對于不確定、隨機(jī)性強(qiáng)而且知識信息不完備的診斷對象，很難具有較高的智能性。傳統(tǒng)的小波變換和多分辨率分析對信號近似部分(低頻)做進(jìn)一步的分解，小波包變換則可以同時(shí)對近似部分和細(xì)節(jié)部分(高頻)進(jìn)行分解，本文系統(tǒng)研究了利用小波包分析對信號進(jìn)行特征提取的原理與方法，針對模擬電路信號信息的不同特征，提出了兩種改進(jìn)的基于小波包分析的信號處理方法：不完全小波包信號特征提取方法和最優(yōu)小波包信號特征提取方法。(5) 基于小波包的特征提取方法針對模擬電路的軟故障和硬故障，分別采用不同的小波包變換特征提取方法，仿真實(shí)驗(yàn)證明了不完全小波包變換適合于硬故障特征提取，最優(yōu)小波包變換則適合于軟故障特征提取。東北大學(xué)碩士學(xué)位論文 第二章 模擬電路故障診斷 －7－第二章 模擬電路故障診斷 模擬電路故障診斷的基本概念模擬電路發(fā)生了故障，就不能達(dá)到設(shè)計(jì)時(shí)所規(guī)定的功能和指標(biāo)。(1)硬故障：指元件的開路和短路失效故障，即故障元件的參數(shù)突然發(fā)生大的變化。(2)多故障：即電路中同時(shí)有兩個(gè)或以上的元件發(fā)生故障。從故障在電路中隨時(shí)間的表現(xiàn)形式來看，可分為永久性故障和間歇性故障。故障測試可分為在線測試和離線測試。測試信號可用于原來的工作信號，但在一般情況下，往往需要另加測試信號，如直流信號、不同頻率的交流信號、諧波信號、復(fù)雜信號、噪音信號等。(3)半可及節(jié)點(diǎn)：即該節(jié)點(diǎn)上可加以電壓激勵(lì)并能測量電壓值，但不能加以電流激勵(lì)及測量電流值。故障定位：要求確定電路中的故障元件范圍，范圍可為一子電路元件區(qū)域及元件，它對故障診斷的要求介于故障檢測及故障識別之間。它的基本思想是:首先提取電路( 系統(tǒng))在各種故障狀態(tài)下的電路特征(如測試點(diǎn)的直流電位向量、網(wǎng)絡(luò)的幅頻特性等)，然后將特征與故障的一一對應(yīng)關(guān)系列成一個(gè)字典。但是，考慮到測前模擬的現(xiàn)實(shí)工作量和字典容量的限度，以及實(shí)際電路的容差、噪聲，字典法只作硬故障的診斷，對于少量軟故障也是轉(zhuǎn)化成硬故障的形式處理，而且在實(shí)際使用中只用來解決單故障。由于一般網(wǎng)絡(luò)所包含的元件 (模塊)數(shù)較大，且方程多為非線性方程，所以，求解這些方程是很艱巨的工作。它的基本思想是預(yù)先猜測電路中的故障所在，然后根據(jù)所測數(shù)據(jù)去驗(yàn)證這個(gè)猜測是否正確。在進(jìn)行故障診斷時(shí)，應(yīng)滿足各自的可測性條件，即被測網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)應(yīng)滿足一定的約束條件，施加的獨(dú)立激勵(lì)向量應(yīng)有足夠的數(shù)量，可及點(diǎn)(可測電壓的節(jié)點(diǎn))數(shù)至少大于故障數(shù)，而且應(yīng)該獨(dú)立。 逼近法和人工智能逼近法和人工智能(AI)兩種方法都介于測前模擬診斷和測后模擬診斷之間。人工智能方法在某些程度上類似于信號處理方法，但它克服了信號處理的很多缺點(diǎn)，不依賴于數(shù)學(xué)模型，判斷的依據(jù)主要是以往故障的診斷經(jīng)驗(yàn)，轉(zhuǎn)化為計(jì)算機(jī)能夠識別的信息，來對未知故障進(jìn)行實(shí)時(shí)監(jiān)控診斷 [10,11]。該方法不依賴于系統(tǒng)的數(shù)學(xué)模型，而是根據(jù)人們長期的實(shí)踐經(jīng)驗(yàn)和大量的故障信息知識，設(shè)計(jì)出一套智能計(jì)算機(jī)程序，以此來解決復(fù)雜系統(tǒng)的故障診斷問題。造成診斷結(jié)果不理想的主要原因是專家系統(tǒng)存在知識獲取的“瓶頸” 問題，由于專家知識的規(guī)則化有一定難度，加上系統(tǒng)的設(shè)計(jì)人員對知識的理解有一定的偏差，導(dǎo)致知識庫的建立并不完備，系統(tǒng)本身采取串行方式，推理方法簡單，控制