模擬電路的故障表征、分類及診斷方法研究.pdf

1、近年來(lái),電子技術(shù)的高速發(fā)展對(duì)電子設(shè)備的可靠性提出了更高的要求。模擬電路的測(cè)試和診斷一直是電路測(cè)試領(lǐng)域內(nèi)的研究熱點(diǎn)之一,模擬電路故障測(cè)試診斷理論和方法的研究極具挑戰(zhàn)性。傳統(tǒng)故障測(cè)試診斷的理論和方法在實(shí)際應(yīng)用中難以達(dá)到預(yù)期效果,主要原因在于模擬電路的故障沒(méi)有簡(jiǎn)單通用的表達(dá)模型,模擬電路元器件容差的存在以及元件值連續(xù)性變化使得模擬電路的故障也是多樣性的,同時(shí)還存在電路非線性等,這些都影響了模擬電路測(cè)試診斷方法的發(fā)展。研究高效、適應(yīng)模擬電路發(fā)展

2、需求的故障診斷理論和方法勢(shì)在必行。因此,本文深入研究了模擬電路的故障表征、分類及診斷方法,主要工作和成果如下:
　　(1)電路集成度的提高,使得有限節(jié)點(diǎn)提供的信息無(wú)法完整表征電路所有元件狀態(tài),被測(cè)電路中必然會(huì)出現(xiàn)模糊組,如何確定被測(cè)電路中的潛在故障元件可診斷集成為研究故障診斷的一個(gè)重要部分。本文首先介紹了電路拓?fù)浣Y(jié)構(gòu)法,該方法是利用測(cè)點(diǎn)的傳函計(jì)算得到在當(dāng)前測(cè)點(diǎn)下的測(cè)試矩陣,然后依據(jù)測(cè)試矩陣進(jìn)行計(jì)算得到電路所有元件的模糊組分類,根據(jù)

3、最終得到的規(guī)范模糊組來(lái)選擇確定潛在故障元件。但是拓?fù)浣Y(jié)構(gòu)法的計(jì)算較為繁瑣,隨著電路元器件數(shù)量的增多,其計(jì)算復(fù)雜度大大增加。因此,本文提出了兩種較為簡(jiǎn)便的可診斷集分析方法,一種是適合單輸出測(cè)點(diǎn)的傳函零極點(diǎn)靈敏度法,另一種是適合多測(cè)點(diǎn)的節(jié)點(diǎn)電壓斜率法。零極點(diǎn)靈敏度法是根據(jù)測(cè)點(diǎn)傳遞函數(shù)的零極點(diǎn)靈敏度對(duì)電路元件的模糊組類別進(jìn)行分析,計(jì)算速度較快,如果電路只有一個(gè)輸出測(cè)點(diǎn),且在單故障假設(shè)下,可作為一種較為簡(jiǎn)便的方法對(duì)被測(cè)電路的可診斷集進(jìn)行有效分析

4、。斜率法不需要對(duì)測(cè)點(diǎn)傳遞函數(shù)進(jìn)行分析,而是利用線性非時(shí)變電路的疊加定理和替代定理求得測(cè)點(diǎn)與不同元件之間的斜率特征關(guān)系,依據(jù)斜率特征準(zhǔn)確找到電路中獨(dú)立可測(cè)元件和全局模糊組,從而確定可診斷集。
　　(2)提出了面向模擬電路的馬氏距離表征與分類方法。馬氏距離由印度統(tǒng)計(jì)學(xué)家Mahalanobis提出,其優(yōu)勢(shì)在于不受量綱影響,獨(dú)立于測(cè)量尺度,能夠考慮到各種特性之間的聯(lián)系,可以排除變量之間的相關(guān)性干擾。將馬氏距離根據(jù)模擬電路的特性做出改進(jìn),然

5、后應(yīng)用于模擬電路潛在故障元件的分類。用被測(cè)電路的各種故障態(tài)與正常態(tài)間的可及測(cè)點(diǎn)特征值的馬氏距離作為標(biāo)準(zhǔn),將電路當(dāng)前狀態(tài)的可及測(cè)點(diǎn)特征值的馬氏距離進(jìn)行比對(duì)判斷。馬氏距離的引入不僅可以判斷故障是否存在,而且在某些時(shí)候可以根據(jù)測(cè)試得到的馬氏距離值的大小判斷出部分潛在故障元件未發(fā)生故障,從而減少可能的故障類別,因此在故障診斷時(shí)用到的分類器數(shù)量相對(duì)減少,有效提高診斷速率。
　　(3)提出了一種參數(shù)尋優(yōu)的支持向量機(jī)模擬電路故障診斷方法。支持向

6、量機(jī)是近年來(lái)發(fā)展較快且較為有效的一種機(jī)器學(xué)習(xí)方法,具有完善的理論基礎(chǔ),在解決小樣本、非線性和高維數(shù)據(jù)的分類問(wèn)題時(shí)具有結(jié)構(gòu)簡(jiǎn)單、泛化能力強(qiáng)等特點(diǎn)。通過(guò)對(duì)支持向量機(jī)核函數(shù)類型、核參數(shù)與懲罰參數(shù)等進(jìn)行細(xì)致分析后,發(fā)現(xiàn)這些參數(shù)對(duì)支持向量機(jī)故障診斷模型的性能有著較大影響。為了得到支持向量機(jī)對(duì)被測(cè)模型的最優(yōu)匹配參數(shù),分別對(duì)多參數(shù)網(wǎng)格法、遺傳算法和粒子群算法等尋優(yōu)方法進(jìn)行分析,并提出了一種混沌粒子群尋優(yōu)方法。由于混沌算法的引入,使得參數(shù)在尋優(yōu)過(guò)程能夠

7、較容易跳出局部極值點(diǎn),較好的解決了粒子群早熟收斂的問(wèn)題。該方法易于實(shí)現(xiàn),得到的參數(shù)使支持向量機(jī)在樣本的分類準(zhǔn)確率上優(yōu)于其它尋優(yōu)算法。
　　(4)電力系統(tǒng)故障與模擬電路故障有許多相似之處,如故障建模復(fù)雜、故障樣本難以完整獲取、響應(yīng)的連續(xù)性和非線性以及噪聲影響等。傳統(tǒng)的故障診斷方法無(wú)法滿足電力系統(tǒng)日趨復(fù)雜的發(fā)展要求,因此可以考慮將參數(shù)尋優(yōu)的支持向量機(jī)故障診斷方法應(yīng)用于電力系統(tǒng)故障診斷中?；谥С窒蛄繖C(jī)的母線保護(hù)系統(tǒng)和變壓器系統(tǒng)相對(duì)于傳