[发明专利]一种基于RCCA-SVM的非线性模拟电路故障诊断方法

说明书

本发明公开一种基于RCCA‑SVM的非线性模拟电路故障诊断方法，包括：(1)电路仿真与特征数据采集；(2)针对时域特征，提取其能量特征与峭度特征集合，并对能量特征、峭度特征与频域特征进行向量表示；(3)对所有的特征数据进行加权特征优化处理；(4)将加权融合后的特征数据进行PCA降维，其中每个主成分都能反映原始变量的大部分信息，且所含信息互不重复；(5)基于SVM分类器对步骤(4)得到的最终的特征数据进行训练，得到诊断精度值与诊断值。本方案利用多种模态特征的方法关注了特征权重的问题，基于多模态的特征的同时考虑数据之间的冗余性、相关性及特征权重对电路诊断结果的影响，有效提高提高整体诊断精度。

技术领域

本发明属于非线性模拟电路的故障诊断领域，具体涉及一种基于RCCA-SVM的非线性模拟电路故障诊断方法。

背景技术

模拟电路故障诊断分为非线性和线性两种，非线性模拟电路故障诊断中因其自身的器件容差、非线性、难以量化的固有特点，很难去准确判断电路的工作状态。而对于电路故障诊断其特征的处理方式将影响分类器的效果，所以对于模拟电路故障特征数据的处理为其中的重点之一。

而现有技术中，对于模拟电路故障诊断的特征数据提取往往来自于一个模态的信息，比如时域、频域、或者统计特性数据等等，然后再对其进行分析，这样就局限了特征数据的范围，使得特征提取的不够全面。也有一些方法采用多种模态的数据，但是在处理时多是直接将多模态数据简单的并行结合，并没有考虑特征之间的相关性、冗余性、与权重关系，进而会对电路故障诊断的精度造成影响。

考虑到非线性模拟电路的复杂性、部件容限等基本特性，相较与数字电路，模拟电路故障诊断的发展相对缓慢，针对目前模拟电路故障提取与诊断的问题和困难，亟需提出一种方法实现更好的非线性模拟电路故障诊断。

发明内容

考虑到非线性模拟电路本身的特性，即非线性故障特征提取比较复杂以及提取不够全面等问题，本发明提出一种基于RCCA-SVM的非线性模拟电路故障诊断方法。

本发明是采用以下的技术方案实现的：一种基于RCCA-SVM的非线性模拟电路故障诊断方法，包括以下步骤：

步骤A、电路仿真与特征数据采集，所述特征数据包括电压时域波形和频域特征；

步骤B、针对故障电路输出信号的电压时域波形，提取其能量特征与峭度特征集合，并对能量特征、峭度特征与频域特征进行向量表示；

步骤C、对故障电路输出信号的所有的特征数据(即能量特征、峭度特征和频域特征)进行加权特征优化处理：

步骤C1、特征权重求解与筛选：为了得到重要的特征信息，根据所有特征数据的权重值进行筛选；对特征数据进行ReliefF算法运算，基于特征距离得到各个特征数据的权重值，根据设定的权重阈值，对所有特征数据进行取舍，筛选留下权重值较大的特征数据；

步骤C2、基于权重值优化CCA算法：根据步骤C1中得到的能量特征与峭度值特征进行典型相关分析运算，得到加权后的模态间有关联典型相关特征向量集f_rcca；

步骤D、将步骤C中加权融合后的特征数据进行PCA降维：将得到的特征向量集f_rcca与加权频域特征并列表示为F_rcca，并对F_rcca进行PCA降维得到最终的特征数据，将多变量转化为少数几个综合变量(即主成分)，其中每个主成分都能反映原始变量的大部分信息，且所含信息互不重复；

步骤E、SVM分类：基于SVM分类器对步骤D得到的最终的特征数据进行训练，得到模拟故障电路的诊断精度值与诊断值。

进一步的，所述步骤A中，对电路仿真和特征数据采集时，采用以下方式：