基于聚類結(jié)合動態(tài)剪枝二叉樹SVM方法的電路故障診斷系統(tǒng)研究及實現(xiàn).pdf

1、電路故障診斷技術(shù)自20世紀60年代以來，一直是研究的熱門課題之一。隨著電子技術(shù)的飛速發(fā)展，電子電路集成化程度及制版工藝的日益提高，各種元件級故障診斷理論和方法已經(jīng)難以適應(yīng)大規(guī)模網(wǎng)絡(luò)故障診斷的需要，從而對大規(guī)模電路子網(wǎng)路級診斷方法提出了迫切的要求。但元件容差的存在，嚴重制約了電路尤其是大規(guī)模容差電路故障診斷技術(shù)的進一步發(fā)展，是電路故障診斷領(lǐng)域的熱點和難點。
　　本文研究了大規(guī)模容差電路子網(wǎng)絡(luò)級診斷方法，重點探索了基于網(wǎng)絡(luò)撕裂法的容差

2、電路診斷方法，力圖將大規(guī)模容差網(wǎng)絡(luò)故障診斷方法朝系統(tǒng)化，實用化的方向推進。研究了改進的節(jié)點撕裂法，通過引入擬裂點，并融合了逐級撕裂搜索法，使得網(wǎng)絡(luò)的撕裂具有很大的靈活性。應(yīng)用區(qū)間數(shù)學和改進的遺傳算法，提出了容差子網(wǎng)絡(luò)狀態(tài)的判定條件，從而快速確定故障子網(wǎng)絡(luò)，為大規(guī)模容差電路診斷提供了一種快速、有效的方法。
　　由于電路往往有容差，并且不同節(jié)點的電壓變化和電流變化對不同故障的敏感程度不同，所以針對故障網(wǎng)絡(luò)，利用PSpice對不同故障狀

3、態(tài)的信號進行采集，為故障診斷提供樣本數(shù)據(jù)。
　　傳統(tǒng)的小波變換(Wavelet Transform，WT)只對信號近似部分（低頻）作進一步的分解，小波包變換(Wavelet Packet Transform，WPT)則可以同時對近似部分和細節(jié)部分（高頻）進行分解，而在很多電路中，信號的高頻部分往往占信號能量的主要部分，因此，本文使用小波包變換對電路故障信號進行特征提取。
　　最初的支持向量機(Support Vector M

4、achine，SVM)算法是對兩類問題進行分類，但是電路故障分類屬于多類分類問題。針對目前常用的基于SVM的一對多(OAA)、一對一(OAO)多類分類算法的不足，本文提出了基于聚類結(jié)合動態(tài)剪枝二叉樹SVM的電路故障診斷方法。
　　本文針對模擬電路和電力電子電路，基于MatlabR2008a平臺，開發(fā)了電路故障診斷系統(tǒng)，系統(tǒng)設(shè)計了故障診斷的各個模塊，實現(xiàn)了基于聚類結(jié)合動態(tài)剪枝二叉樹SVM方法的電路故障診斷系統(tǒng)，做了大量的仿真對比實驗