[发明专利]基于多目标优化的模拟电路测点和频率联合优选方法

摘要

本发明公开了一种基于多目标优化的模拟电路测点和频率联合优选方法，对模拟电路的每个元件模糊组代表元件进行多次故障模拟，得到不同频率下各个测点对应的故障电压，从而得到模拟电路数据；初始化多目标遗传优化算法中的个体，然后根据个体对应的选择方案从模拟电路数据中筛选出对应特征向量，对预设的分类器进行交叉验证，将得到的分类准确率作为个体的适应度值，采用精英策略生成新的种群并进行非支配排序，然后生成下一代种群继续进行处理，直到达到迭代结束条件，将当前得到的非支配个体集合作为优选方案集合，其中每个个体对应一个选择方案。本发明可在保证故障诊断精度的同时降低故障诊断的工作量。

主权项

1.一种基于多目标优化的模拟电路测点和频率联合优选方法，其特征在于，包括以下步骤：S1：首先获取模拟电路中的元件模糊组数据，从每个模糊组中选择一个元件作为代表元件pm，m＝1,2,…,M，M表示模糊组数量，记模拟电路中的每个测点为tn，n＝1,2,…,N，N表示测点数量；采用仿真软件对模拟电路进行仿真，依次选择第m个代表元件作为故障元件进行R次故障模拟，其元件参数在其故障范围(即元件参数容差范围以外)内取值，其余代表元件参数在容差范围内随机取值；对每次故障模拟进行蒙特卡洛仿真，记仿真次数为D，每次仿真时将锯齿波作为模拟电路的输入，得到每个测点t_n的输出，分别对输入锯齿波信号和N个测点的输出信号进行采样，然后对输入采样信号和N个测点的输出采样信号分别作傅里叶变换，得到预设的K个频率下的输入正弦波信号与N个测点输出正弦波信号，然后分别计算每个频率下输入正弦波信号与N个测点输出正弦波信号的相位差和幅值比其中k＝1,2,…,K，r＝1,2,…,R，d＝1,2,…,D，计算得到各个频率下各个测点对应的故障电压将每个频率下测点故障电压的实部和虚部构成该频率下该测点的特征向量其中S2：记遗传算法中个体为X＝[x11,…,x1K,x21,…,x2K,…,xN1,…,xNK]，其中元素xnk＝0,1，当xnk＝1表示第n个测点在第k个频率下被选中，当xnk＝0表示第n个测点在第k个频率下未被选中；设置多目标遗传优化算法中种群大小Q以及初始种群中所有个体的N×K×Q个元素中值为1的概率γ，据此初始化种群中的每个个体，其中Q根据实际需要设置，γ根据测点和频率联合优选时预设的适应度阈值来设置；S3：对于每个个体，记其对应的选择方案中所选取的测点序号为n_w，w＝1,2,…,W，W表示个体所对应的选择方案中的测点数量，记测点n_w所选取的频率序号为v＝1,2,…,V_w，V_w表示选择方案中测点n_w所对应的频率数量，然后从步骤S101得到的模拟电路特征数据中筛选出所选W个测点在各自对应的V_w个频率下的特征向量，将每个代表元件在同一次仿真中由W个测点得到的V个频率下的特征向量组合得到组合向量g_m：令组合向量gm的分类标签为代表元件对应的序号m；将每个代表元件的组合向量作为输入，对应分类标签作为期望输出，对预设的分类器进行交叉验证，将得到的分类准确率作为个体的适应度值；S4：从当前的种群中筛选出适应度值大于预设阈值的个体集合作为父代种群A，对其进行遗传操作生成子代种群B；S5：将父代种群A和子代种群B进行合并得到种群C，计算种群C中每个个体所对应选择方案中测点数量和频率数量，测点数量和频率数量越小，个体越优；根据测点数量和频率数量对种群C中所有个体进行非支配排序，将最优个体放在第一层，依次进行分层存放，记所得到的层数为H，第h层个体集合记为Fh；S6：判断迭代次数是否达到预设的最大迭代次数，如果是，进入步骤S7，否则进入步骤S8；S7：将当前非支配排序所得到的个体集合F1作为优选方案集合，其中每个个体对应一个选择方案；S8：根据种群C生成下一代种群，其具体步骤如下：S8.1：判断种群C中个体数量|C|是否等于Q，如果是，则将种群C作为下一代种群，否则进一步判断种群C中个体数量|C|是否小于Q，如果是则进入步骤S8.2，如果不是则进入步骤S8.3；S8.2：从个体集合F1中复制Q‑|C|个个体，与种群C合并作为下一代种群；S8.3：按照非支配排序结果的分层序号从小到大将个体集合F_h依次添加至种群E中，每次放入后即判断当前种群E中个体数量|E|是否小于Q，如果是则继续添加，否则进一步判断当前种群E中个体数量是否等于Q，如果是则将当前种群E作为下一代种群，否则从最后一次添加至种群E中的个体集合中删除|E|‑Q个个体，即删除多余个体，将得到的种群E作为下一代种群。