[发明专利]基于小波分形及核主元特征的开关电流电路故障诊断方法

说明书

技术领域

本发明属于电路与系统故障诊断领域，涉及一种基于小波分形及核主元特征的开关电流电路故障诊断方法。

背景技术

开关电流技术是20世纪80年代末提出的一门完全采用数字CMOS工艺技术的模拟取样数据信号处理技术，它利用MOS晶体管在其栅极开路时通过存储在栅极氧化电容上的电荷维持其漏极电流。开关电流技术不需要线性电容和高性能的运算放大器，具有低电压、高速、宽带、芯片面积小等优点，近几年来得到了较快发展。目前对开关电流电路测试和故障诊断的研究相对较少，主要讨论的是测试原理、测试过程以及BIST和DFT。有人提出利用改变时钟顺序将二分电路结构重组为串连电流镜结构并将输入与输出直流信号进行对比的方法。有人提出一种适用于使用相同开关电流存储单元电路的BIST方法。有人提出了基于直流信号的开关电流流水线结构AD转换器的测试方法。上述方法只适用于某一特定电路结构或只能测试部分电路功能或特定结构。有人借鉴模拟电路故障诊断的方法对开关电流基本存储单元作故障诊断。有人提出基于伪随机信号激励的开关电流电路测试方法。有人提出在时域内对故障响应信号采用熵作为唯一预处理特征参数。但是，前述各方法都是采用一个故障特征参数，仅仅适用于小规模开关电流电路故障诊断。当电路中同时发生故障的故障晶体管数目和故障类别数较大时，故障分类率低。并且当故障类别重叠时，也没有更好的解决办法。

小波变换广泛应用于信号分析和图像处理领域，小波系数能够反映信号的内在特征。采用信号分形维数计算方法可以获得相应的分形维数据，从而对故障信号进行特征提取，采用核主元分析可以对经小波分形分析的特征信号进行最优特征提取。支持向量机分类器作为一种基于统计学习理论的模式分类方法，在模式识别领域应用广泛。因此，为了更好地解决实际应用中开关电流电路故障诊断存在的问题，将小波分解与分形分析结合对故障信号进行特征提取，然后采用核主元分析对经小波分形分析的特征信号进行最优特征提取，最后通过支持向量机分类器对开关电流电路的故障进行分类，提高故障分类率、准确率和和泛化性能,解决大规模开关电流电路故障诊断及故障类别重叠时进行故障诊断的问题，具有十分重要的理论和现实意义。

发明内容

本发明所要解决的技术问题是提供一种基于小波分形及核主元特征的开关电流电路故障诊断方法，将小波分解与分形分析结合对故障信号进行特征提取，然后采用核主元分析对经小波分形分析的特征信号进行最优特征提取，最后通过支持向量机分类器对开关电流电路的故障进行分类，对大规模开关电流电路进行故障诊断及故障类别重叠时进行故障诊断，故障分类率高、故障诊断准确并具有极好的泛化性能。

发明的技术解决方案如下：

一种基于小波分形及核主元特征的开关电流电路故障诊断方法，包括以下步骤：

步骤一：开关电流电路故障诊断模块的训练步骤；

步骤二：采取开关电流电路故障诊断模块对有故障开关电流电路进行实时故障诊断；

所述的步骤一包括：

步骤A：采取ASIZ软件对开关电流电路中每一个可能发生的故障类别进行故障模拟，在电路的输出端获得对应于每个故障类别的60个故障响应信号，所述故障响应信号为开关电流电路的节点电流信号；

步骤B：对所述的故障响应信号进行数据处理，得到每一个故障类别的最优特征向量；

步骤C：采用高斯径向基函数：k(x_i,x)＝exp(-||x_i-x_j||/(2σ²))为支持向量机分类器的核函数，构造支持向量机分类器；

步骤D：用步骤B进行数据处理后所得的最优特征向量训练支持向量机分类器；

所述的步骤二包括：

步骤a：在每次发生故障时，采取电路信号采集板对开关电流电路进行实时采集，在电路的输出端获得对应的60个故障响应信号，所述故障响应信号为开关电流电路的节点电流信号；

步骤b：对所采集的故障响应信号进行数据处理，得到最优特征向量；

步骤c：将步骤b进行数据处理后所得的最优特征向量送入步骤一中训练好的支持向量机分类器中，支持向量机分类器对故障进行分类，输出故障类别，完成故障诊断过程；

所述步骤B和步骤b中的数据处理包括以下步骤：

步骤1）、对每一个故障响应信号进行5层Db2小波分解，提取1～5层小波变换的每层小波逼近系数；