【正文】 ..............................................................................55 故障信號采集.........................................................................................................56 故障特征提取.........................................................................................................56 仿真結(jié)果與分析.....................................................................................................57 核函數(shù)選擇.............................................................................................................58 改進(jìn)的 SVMs 多類分類方法應(yīng)用舉例 2 ........................................................................59 基于改進(jìn)算法的電路故障診斷系統(tǒng)設(shè)計及實現(xiàn)............................................................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。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)?；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，是目前研究的熱點之一。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。 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。本人完全意識到本聲明的法律后果由本人承擔(dān)。本文以遼寧省自然科學(xué)基金項目“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。所做的模擬電路故障診斷仿真實驗表明，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。 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。此外，測試過程中所需的額外硬件開銷較大 [1]。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。以此拉開了模擬電路故障診斷理論研究的序幕。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。顯而易見，測前模擬法更容易做實時故障診斷。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，按所測激勵和響應(yīng)從上述表格中查詢出相應(yīng)的故障元件。故障驗證法較之元件參數(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。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。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)計時所規(guī)定的功能和指標(biāo)。(2)多故障：即電路中同時有兩個或以上的元件發(fā)生故障。故障測試可分為在線測試和離線測試。(3)半可及節(jié)點：即該節(jié)點上可加以電壓激勵并能測量電壓值，但不能加以電流激勵及測量電流值。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)系列成一個字典。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。在進(jìn)行故障診斷時，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，施加的獨立激勵向量應(yīng)有足夠的數(shù)量，可及點(可測電壓的節(jié)點)數(shù)至少大于故障數(shù)，而且應(yīng)該獨立。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，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，轉(zhuǎn)化為計算機(jī)能夠識別的信息，來對未知故障進(jìn)行實時監(jiān)控診斷 [10,11]。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，控制策略不靈活，缺乏自學(xué)習(xí)能力，最終導(dǎo)致判斷速度慢和不準(zhǔn)確。為了更加有效的利用神經(jīng)網(wǎng)絡(luò)，往往加入專家系統(tǒng)的知識，使訓(xùn)練模型更加合理。模式識別系統(tǒng)包括設(shè)計與實現(xiàn)兩部分，設(shè)計是指用一定數(shù)量的樣本進(jìn)行分類器設(shè)計；而實現(xiàn)則是指用所設(shè)計的分類器對待識別的樣本進(jìn)行分類決策。通過變換可以把維數(shù)較高的測量空間中表示的模式變?yōu)榫S數(shù)較低的特征空間中表示的模式。假設(shè)識別系統(tǒng)能夠識別 C 個不同的類別，則可認(rèn)為模式空間包括 C 個區(qū)域，其中每一個區(qū)域包含某一類的模式點。一般診斷方法在建模過程中工作量大，建模后模型就難以改變，而模式識別法在這一方面要靈活得多。本章將介紹PSpice 的發(fā)展、內(nèi)容和其強(qiáng)大的應(yīng)用分析功能。隨著版本的升級， PSpice 的功能不斷完善。OrCADPSpiceA/D 在整個 OrCAD 設(shè)計環(huán)境中負(fù)責(zé)電路的仿真和實驗工作，它可以當(dāng)作一個軟件的電路面包板，用戶在上面建立電路模型和設(shè)置激勵信號，可根據(jù)要求來測試設(shè)計的電路，經(jīng)過調(diào)試、修改和優(yōu)化，如果仿真結(jié)果順利通過檢測，就可以進(jìn)入后續(xù)的設(shè)計強(qiáng)化程序，進(jìn)行印刷電路板的設(shè)計；或者進(jìn)入表示程序，進(jìn)行可編程邏輯陣列的設(shè)計。而 Spice 是一種應(yīng)用電路分析程序，能夠分析和模擬一般條件下的各種電路特性。特征提取目前還沒有系統(tǒng)的理論和方法，只有具體問題具體分析后，才能從測試數(shù)據(jù)中提取識別對象的本質(zhì)特征和結(jié)構(gòu)。東北大學(xué)碩士學(xué)位論文 第二章 模擬電路故障診斷 －12－模式識別系統(tǒng)的關(guān)鍵在于特征提取和特征判決模塊的設(shè)計。特征提取被認(rèn)為是模式識別中的重要問題，常用的特征有：統(tǒng)計特征；機(jī)構(gòu)特征；數(shù)學(xué)變換特征；邏輯特征。信 息 獲 取學(xué) 習(xí)特 征 判 決特 征 提 取預(yù) 處 理輸 入 模 式輸 出圖 模式識別系統(tǒng) The pattern recognition system(1) 信息獲取東北大學(xué)碩士學(xué)位論文 第二章 模擬電路故障診斷 －11－為了使計算機(jī)能對各種現(xiàn)象進(jìn)行分類識別，必須將所研究的對象信息用計算機(jī)所能接受的形式表示，輸入對象的信息包括：二維圖像(如文字、指紋、地圖、照片等)、一維波形( 如腦電圖、地震波等)和物理參量和邏輯值(如體溫、各種試驗數(shù)據(jù)等)。這種方法的應(yīng)用使故障診斷準(zhǔn)確率上升到 94％，但是也存在著一些弊端 [14]。這在某種程東北大學(xué)碩士學(xué)位論文 第二章 模擬電路故障診斷 －10－度上提高了判斷準(zhǔn)確率，卻未能解決專家系統(tǒng)故有的問題。專家系統(tǒng)包括測前模擬診斷中的故障特性的收集和處理過程，以及測后模擬中的故障推理搜索等過程。值得一提的是，K 故障診斷法從理論上講可以進(jìn)行多故障的診斷。雖然現(xiàn)在已有一些成熟的方法將其中的非線性方程轉(zhuǎn)換成線性方程，但由于同時增加了許多中間變量，方程個數(shù)也有相應(yīng)的增加，所以，總的計算量仍是可觀的。目前，已有不少比較成熟的軟件包可對電路( 線性或非線性電路)進(jìn)行靜態(tài)和動態(tài)分析 [17,18]。(1)故障檢測：判斷被測電路是否存在故障，這是故障診斷的最低要求。(2)離線測試：測試時中斷被測電路的正常運(yùn)行。(1)獨立故障：即電路中兩個或多個元件發(fā)生故障時，彼此不存在因果關(guān)系。設(shè)計不當(dāng)、制造工藝上的缺陷和長期使用過程中的磨損、老化、損耗、疲勞等都是造成故障的原因 [14,15]。對不同參數(shù)優(yōu)化的支持向量機(jī)進(jìn)行了研究，分析了改善支持向量機(jī)性能的方法。 課題研究所做的主要工作模擬電路故障診斷的核心是綜合實時輸出響應(yīng)信號，對給定環(huán)境下的診斷對象進(jìn)行準(zhǔn)確的狀態(tài)識別和狀態(tài)預(yù)測。故障字典法一般用于單、硬故障的診斷，包括直流字典法、頻域字典法、時域字典法 [68]。(3) 按模擬形式可分為：故障模擬法和元件模擬法。隨著人工智能技術(shù)的迅速發(fā)展，特別是知識工程、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)在診斷領(lǐng)域中的進(jìn)一步應(yīng)用，迫使人們對智能診斷問題進(jìn)行更加深入與系統(tǒng)的研究。國際電于電氣工程師協(xié)會電路與系統(tǒng)學(xué)報(IEEE CAS)為此置辦了模擬電路故障診斷特刊，以后，每年電路與系統(tǒng)國際會議都將故障診斷列為一項專題，每年在模擬電路故障診斷領(lǐng)域的研究中都有一些新的進(jìn)展 [68]。傳統(tǒng)的電路理論包括電路分析和電路綜合兩個分支，已知電路的拓?fù)浣Y(jié)構(gòu)和參數(shù)，由電路激勵求電路響應(yīng)屬于電路分析的范疇；反之，己知電路的輸入輸出關(guān)系，求電路的拓?fù)浣Y(jié)構(gòu)和參數(shù)，屬于電路綜合的范疇。對電子設(shè)備故障診斷技術(shù)的研究已經(jīng)引起各個國家的足夠重視，因此，電子設(shè)備故障診斷