【正文】 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。 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。本文以遼寧省自然科學(xué)基金項目“基于支持向量機電氣電子系統(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的模擬電路故障診斷方法。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)庫進行檢索、交流。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。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)。模擬電路測試至今尚缺乏有效與通用的故障模型；(5) 實際的模擬電路中可測電壓的節(jié)點數(shù)目有限，導(dǎo)致可用于故障診斷的信息量不充分，造成故障定位的不確定性和模糊性；(6) 設(shè)備的輸入激勵信號的精度對測試結(jié)果的影響至關(guān)重要；(7) 模擬電路對環(huán)境變化極其敏感，其輸出響應(yīng)不僅易受由制造工藝偏差所引起的元件參數(shù)變化的影響，而且易受噪聲和熱效應(yīng)等外界環(huán)境因數(shù)的影響；(8) 由于需要采用不同的方法來測試電路的多種性能參數(shù)，因此模擬電路功能測試比較昂貴和費時。1960 年 首先提出了關(guān)于模擬電路診斷的可解性概念 [4]，指出，一個網(wǎng)絡(luò)稱為元件值可解的，當且僅當它的每個元件能夠從其外部端子上測得的網(wǎng)絡(luò)特性唯一地加以確定，并提出了無源、線性、集總參數(shù)網(wǎng)絡(luò)的網(wǎng)絡(luò)元件值可解性的必要條件。故障診斷的主要計算工作量多集中在對電路做仿真，因此測前(后)模擬法的工作量集中在現(xiàn)場測試之前(后)。根據(jù)預(yù)測故障的范圍，故障驗證法可分為Ｋ故障法、故障定界法和網(wǎng)絡(luò)撕裂法等。 (7) 系統(tǒng)設(shè)計及實現(xiàn)基于 開發(fā)平臺，開發(fā)了模擬電路故障診斷系統(tǒng)，系統(tǒng)設(shè)計了故障診斷的各個模塊，實現(xiàn)了基于改進 SVM 算法的模擬電路故障診斷。為了診斷模擬電路中的故障，需要進行故障測試。其中，故障字典法是最典型的方法，也是目前模擬電路故障診斷中最具有實用價值的方法。此種方法包括 K 故障診斷、故障定界診斷和網(wǎng)絡(luò)撕裂法等。雖然這種方法已經(jīng)廣泛應(yīng)用于工業(yè)生產(chǎn)，但實踐表明它的判斷準確率最高僅可以達到 91％ [12]，診斷結(jié)果往往還需要技術(shù)員的最終確認，并不是特別理想。模式識別方法分為統(tǒng)計模式識別方法和結(jié)構(gòu)模式識別方法。這種判決方法有：判別函數(shù)法：利用一個(或多個)判別函數(shù)對兩類(或多類)模式進行判別；距離方法：以被識別特征對訓(xùn)練樣本特征進行廣義運算，求出距離最近的標準特征，常用的有歐氏距離、加權(quán)歐氏距離、漢明距離、馬氏距離和敏氏距離等；相似度方法：相似度方法與距離方法正好相反，它是以被識別特征對訓(xùn)練樣本特征進行隸屬度運算，求出隸屬度最大的標準類為被識模式。東北大學(xué)碩士學(xué)位論文 第三章 電路仿真工具PSPICE 的分析及應(yīng)用－13－第三章 電路仿真工具 —PSPICE 的分析及應(yīng)用對電子電路的故障進行診斷首先就要進行電路的設(shè)計，而 Spice 作為電子電路的設(shè)計工具，它不僅可以計算分析模擬電路的直流工作點、增益、頻率特性等，還可以仿真分析數(shù)字電路的邏輯功能，更為突出的是它還擁有傅立葉分析、蒙特卡洛分析、最壞情況分析等特殊功能，使得電子電路的設(shè)計分析完全可以仿真實現(xiàn)。此外，還有其他 Spice 版本(引申版)進入市場。模擬電路故障的特征要從電路中的測試數(shù)據(jù)中獲得，如果兩個故障在選定激勵下任何可及點上的測量值沒有差異或差異很小的話，這兩種故障在現(xiàn)有的激勵和可及點上是不可隔離的，需要改變或增加激勵和可及節(jié)點才有可能隔離 [18]。(4) 學(xué)習學(xué)習是在建立識別系統(tǒng)時，對已選定的特征完成特征提取之后，對系統(tǒng)進行訓(xùn)練的過程，學(xué)習可分為有人參與和沒有人參與兩種方式。由于人工神經(jīng)網(wǎng)絡(luò)學(xué)習從本質(zhì)上講是一種歸納學(xué)習，它需要學(xué)習大量的實例來穩(wěn)定網(wǎng)絡(luò)狀態(tài)，而這些先驗知識本身就要大量的試驗和總結(jié)才能得到，訓(xùn)練模型的產(chǎn)生也需要很長的時間，得到的學(xué)習模型難以理解，泛化能力不強，逐步改進特征提取成為改善神經(jīng)網(wǎng)絡(luò)性能的熱點。該方法具有效率高等特點，同時，為那些運用網(wǎng)絡(luò)理論難以診斷的場合開辟了一條新路徑。故障驗證法是在獲取少量故障信息的基礎(chǔ)上進行診斷，實施較為方便，且具有較好的實用前景，因此引起許多學(xué)者的興趣，所取得的研究成果也比較多。(2)故障識別：要求確定故障電路中故障元件的參數(shù)值，是故障診斷的最高要求。(2)從屬故障：即一個元件發(fā)生故障后，導(dǎo)致另一個元件發(fā)生故障，這個被誘發(fā)的故障稱為從屬故障。(4) 支持向量機多類分類算法支持向量機算法最初是基于兩類問題提出的，而實際應(yīng)用中的診斷類別往往是多類的，因此，如何設(shè)計合適的多類算法，提高識別準確率是本文的一個重點研究內(nèi)容，本文對 1Vr、1V1 和 DDAG 等支持向量機多類分類方法分別進行了分析與仿真，總結(jié)出較好的多類分類算法，應(yīng)用于模擬電路故障診斷。無論何種字典法，基本步驟均為：(1) 根據(jù)以往經(jīng)驗和實際需要，明確故障的診斷范圍，把最常遇到的一些故障作為一本字典的診斷范圍；(2) 辨明各種故障的征兆(為了找出征兆，通常用國際上比較公認的 PSpice 軟件模擬計算電路在各種故障狀態(tài)下的網(wǎng)絡(luò)端口特征)，再按便于查找、檢索故障的某種方式進行編排，形成故障字典；(3) 診斷時，將電路在同等條件下測試，將測試所得的網(wǎng)絡(luò)端口特征與故障字典對照，找到故障所在。智能診斷技術(shù)是當今發(fā)達國家研究的熱點之一。而模擬電路故障診斷所研究的內(nèi)容則是當電路的拓撲結(jié)構(gòu)已知，并在一定的電路激勵下知道一部分電路的響應(yīng)，求電路的參數(shù)，這是不同于電路分析和電路綜合的—個新范疇，所以它是近代電路理論中一個新興的第三分支 [3]。模擬電路的故障診斷于 60 年代首次在軍事工業(yè)上開始研究，至今無論在理論方法上還是在具體實現(xiàn)上均未完全成熟，一直是困擾著集成電路工業(yè)中的一個“瓶頸”問題，因此，模擬電路測試和故障診斷方法研究至關(guān)重要。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。對本研究提供過幫助和做出過貢獻的個人或集體，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（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（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（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。針對模擬電路不同故障的特點，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。與數(shù)字電路相比，模擬電路診斷原理與方法研究的進展緩慢，主要是由于以下原因：(1) 時間和電壓的連續(xù)特性使得模擬電路比數(shù)字電路更易受缺陷的影響。開展這一領(lǐng)域的研究，對促進近代電路理論的發(fā)展特有其重要的推動作用。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診斷方法等 [3,4]。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) 故障證實技術(shù)多頻測量法概率統(tǒng)計法故障字典法網(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)識別法和故障驗證法 [7]。(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，仿真實驗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。從故障在電路中隨時間的表現(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)去驗證這個猜測是否正確。該方法不依賴于系統(tǒng)的數(shù)學(xué)模型，而是根據(jù)人們長期的實踐經(jīng)驗和大量的故障信息知識，設(shè)計出一套智能計算機程序，以此來解決復(fù)雜系統(tǒng)的故障診斷問題。 模擬電路故障診斷的模式識別過程故障診斷問題可以視為模式識別問題，模式識別是基于對事物性質(zhì)的認識而能夠?qū)κ挛镎_地分類與描述。有人參與：在這種學(xué)習過程中，樣本先由人進行分類，即樣本的類別是已知的；沒有人參與：此時學(xué)習環(huán)節(jié)必須對樣本的類別進行研究，即學(xué)習環(huán)節(jié)對樣本有一個聚類的過程。當運用支持向量機實現(xiàn)模擬故障的識別和分類時，支持向量機對輸入的樣本數(shù)據(jù)進行學(xué)習，將故障特征存儲在支持向量機網(wǎng)絡(luò)中，建立故障字典，最后實現(xiàn)對故障的分類及定位。Metesoftware 公司推出的 Hspice，包含特殊的元器件模型，特別應(yīng)用于集成電路的輔助設(shè)計。針對模擬電路故障診斷過程，給出了模式識別系統(tǒng)框圖。(5) 特征判決過程特征判決是在掌握分類規(guī)律后，在實現(xiàn)階段對連續(xù)輸入的大量模式進行分類。模式識別技術(shù)已在語音識別、文字識別、語音合成、目標識別與分類、圖像分析與識別等領(lǐng)域應(yīng)用比較成熟 [15,16]。系統(tǒng)將傳感器等監(jiān)控設(shè)備傳來的信息與知識庫中故障征兆對比，做出評價和決策。對這種方法的研究主要集中在如何減少猜測次數(shù)，以及減少對每次猜測進行驗證所需要的工作量。 測前模擬方法測前模擬診斷分為故障字典法和似然法。(2)間歇性故障：這種故障只是暫時發(fā)生，時有時無，例如接觸不良等。通過對不同的模擬電路仿真研究，證明了改進的二叉樹支持向量機的分類性能均比傳統(tǒng)的支持向量機分類性能好，而且針對不同的性能要求應(yīng)該選用不同的分類方法。后者則需要預(yù)先猜測電路中的故障所在，然后根據(jù)所測數(shù)據(jù)去驗證這種猜測是否吻合，若吻合，則診斷完成。(1) 按模擬在測試過程的階段可分為：如果對電路的仿真是在現(xiàn)場測試之前實施，則稱為測前模擬法(Simulation Before Test Approach)，如果對電路的仿真是在現(xiàn)場測試之后實施，則稱為測后模擬法(Simulation After Test Approach)。要求求解的結(jié)果是唯一的，但有時卻不能保證，東北大學(xué)碩士學(xué)位論文 第一章 緒 論－3－其故障診斷理論的研究是從網(wǎng)絡(luò)元件參數(shù)可解性開始的。在數(shù)字電路測試中得到成功應(yīng)用的故障模型并不適用于模擬電路測試。最初的支持向量機(Support Vector Machines，SVM)算法是對兩類問題進行分類，但模擬電路故障分類大多屬于多類分類問題。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。(如作者和導(dǎo)師同意網(wǎng)上交流，請在下方簽名：否則視為不同意)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（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（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進行的研究工作及取得的成果。針對模擬電路往往有容差，而且不同節(jié)點的電壓或電流對不同故障敏感的特點，利用 PSpice 特有的蒙特卡洛分析和最壞情況分析功能，對不同故障狀態(tài)的信號進行采集。對這些設(shè)備的維修和保養(yǎng)所投入的經(jīng)費已超過了原先購置這些設(shè)備的投資。近年來，模擬電路故障診斷之所以發(fā)展成為—個新興的前沿領(lǐng)域，除了它具有上述的重要實際應(yīng)用意義外，還由于它具有重要的學(xué)術(shù)意義 [2]。參數(shù)估計和觀測器/濾波器方法仍然是使用最多的故障診斷方法，但使用神經(jīng)網(wǎng)絡(luò)、模糊邏輯及組合的故障診斷方法明顯的增加，對于非線性系統(tǒng)的故障診斷也有了更多得研究。故障字典法是測前模擬診斷的典型方法。(3) 支持向量機原理