[发明专利]基于遗传算法的模拟电路故障特征范围确定方法

摘要

本发明公开了一种基于遗传算法的模拟电路故障特征范围确定方法，首先对模拟电路进行模糊组分析，得到各个模糊组信息，对每个模糊组的代表元件分别运行一次遗传算法，获取各个模糊组圆模型参数特征向量范围凸域的边界向量，每次遗传算法运行时，将元件参数向量作为遗传算法种群的个体，获取各个个体对应的圆模型参数，根据圆模型参数进行个体优选。本发明通过结合圆模型参数和遗传算法获取容差影响下的模拟电路故障特征向量范围，为故障诊断提供精确故障字典。

主权项

1.一种基于遗传算法的模拟电路故障特征范围确定方法，其特征在于，包括以下步骤：/nS1：将模拟电路中元件数量记为C，记每个元件的参数标称值为p_c0，c＝1,2,…,C；根据需要设置T个测点，对C个元件进行经T个测点实现故障诊断的模糊组分析，将得到的模糊组数量记为M，从每个模糊组中选择一个代表元件；/nS2：令代表元件序号m＝1；/nS3：将元件参数向量作为遗传算法种群的个体，随机生成N个初始个体H_n＝(h_n,1,h_n,2,…,h_n,C)构成初始种群P，h_n,c表示第n个初始个体中元件c的参数值，在元件c的容差范围[p_c0×(1-α),p_c0×(1+α)]内取值，α表示容差参数，0＜α＜1；初始化迭代次数t＝1；/nS4：对种群P中的个体进行交叉和变异，得到新种群Q，在交叉和变异过程中需要保证各个元件的参数在容差范围内取值；/nS5：将种群P和种群Q进行合并，得到合并种群S，即S＝P∪Q；/nS6：对于当前合并种群S中各个个体，分别获取其对应的圆模型参数，包括圆心(w_n,v_n)，半径r_n，n＝1,2,…,2N；其中圆模型参数的获取方法如下：/nS6.1：根据个体对应的元件参数向量对模拟电路各元件的参数值进行设置，将输入电压作为激励源，得到预设测点t的无故障电压/nS6.2：根据个体对应的元件参数向量对代表元件m以外元件的参数值进行设置，将代表元件m的参数值设置为p_m1和p_m2，得到测点t的故障电压，分别记为计算得到代表元件m单独作用的输出电压/nS6.3：如果则令圆模型参数w＝1、v＝-K、r＝0，否则求解如下方程组得到圆模型参数w、v、r：/n /nS7：接下来需要根据圆模型参数对个体进行优选，具体方法包括：/nS7.1：初始化优选个体集合/nS7.2：在当前合并种群S中所有个体的圆模型参数向量(w_n,v_n,r_n)中，搜索得到参数w_n的最大值w_max和最小值w_min、参数v_n的最大值v_max和最小值v_min以及参数r_n的最大值r_max和最小值r_min，将这6个极值所对应的个体加入优选个体集合G中，并从当前合并种群S中删除；/nS7.3：计算得到当前优选个体集合G的重心O＝[w_o,v_o,r_o]，其中：/n /n /n /n|G|表示当前优选个体集合G中的个体数量，表示当前优选个体集合G中第g个个体的圆模型参数，g＝1,2,…,|G|；/nS7.4：对于当前合并种群S中每个个体，计算每个个体对于当前优选个体集合φ的重心O的改变量ΔO(s)＝||[Δw_o,Δv_o,Δr_o]||，其中：/n /n /n /n 表示当前合并种群S中第s个个体的圆模型参数，s＝1,2,…,|S|，|S|表示当前合并种群S中的个体数量，|| ||表示求取范数；/nS7.5：判断当前优选个体集合G中个体数量|G|是否小于种群大小N，如果是，返回步骤S7.3，否则本次个体优选结束；/nS8：判断是否迭代次数t＜t_max，t_max表示预设的最大迭代次数，如果是，进入步骤S9，否则进入步骤S10；/nS9：令t＝t+1，种群P＝G，返回步骤S4；/nS10：将当前优选个体集合G中各个个体作为第m个模糊组的圆模型参数特征向量范围凸域的N个边界，得到第m个模糊组的故障特征范围；/nS11：判断是否代表元件序号m＜M，如果是，进入步骤S12，否则所有模糊组的故障特征范围确定完毕；/nS12：令i＝i+1，返回步骤S3。/n