【技术实现步骤摘要】
本专利技术涉及故诊断障，更具体的说是涉及一种基于模糊分类器的模拟电路故障诊断方法及系统。
技术介绍
1、随着电子行业的快速发展，测试和诊断在产品的可靠性中发挥着越来越重要的作用。据估计，测试成本占据了产品成本的三分之一，而混合信号电路的模拟部分的测试成本是测试成本的最主要部分。因此，模拟电路诊断的研究已成为热门课题。模拟电路中的故障分为硬故障和软故障。硬故障在电路级别上主要是开路和短路故障。软故障是由电路参数的变化引起的。由于它们的连续性，与硬故障相比，难以建立软故障的故障列表。
2、故障诊断进入深入的发展阶段，根据对被测电路的模拟在测试之前或测试之后分为：测前模拟法-sbt和测后模拟法-sat。测试前的仿真方法消除了在线仿真过程中的误差，并且在测试活动之前只需要一次离线计算工作，所以更加有效。故障字典是一种属于模拟测试前的实用方法，首先选择输入激励以激励被测电路，然后在不同的故障和非故障条件下模拟或者测量电路对输入激励的响应。
3、目前虽然提出了几种用于模拟电路和系统软故障诊断的方法，但由于缺少故障模型，同时存在元件容差和非线性问题，模拟电路的故障诊断复杂而困难。传统的故障诊断方法已无法满足电子行业快速迭代的要求，需要发展更为准确、高效且适用性更广的模拟电路故障诊断方法。
4、因此，提出一种基于模糊分类器的模拟电路故障诊断方法及系统，构建多级故障诊断系统，消除元件容差和非线性问题是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专
2、一种基于模糊分类器的模拟电路故障诊断方法，包括：
3、根据待诊断的模拟电路，建立电路故障与元件之间的关系，设置多级故障参数响应，并根据多级故障参数响应，建立多级故障字典；
4、从多级故障字典中调用训练数据和测试数据，进行预处理，构建数据矩阵集；
5、构建自适应模糊推理系统，对数据矩阵集进行特征向量提取，基于特征向量对随机森林分类器进行训练和优化，建立多级故障诊断系统；
6、获取实时故障数据，通过多级故障诊断系统对模拟电路进行故障诊断，输出诊断结果。
7、可选的，所述建立多级故障字典包括：
8、获取模拟电路的元件集合；
9、根据待诊断的模拟电路，构建待诊断的模拟电路的元件集合；
10、基于待诊断的模拟电路的元件集合建立待诊断的模拟电路中电路故障与元件之间的关系；
11、根据电路故障的种类以及所述电路故障与元件之间的关系建立多级故障参数响应，并根据多级故障参数响应，建立多级故障字典。
12、可选的，所述预处理包括：进行降噪和归一化处理，所述降噪为截取未被噪声影响的部分，所述归一化为使变量数据的均值为零，方差为1，得到新的数据矩阵集，其中归一化公式为：
13、其中，x*为归一化之后的值，x为样本数据，μ为所有样本数据的均值，δ为所有样本数据的标准差。
14、可选的，所述自适应模糊推理系统包括：
15、构建自适应模糊推理系统，采用高斯分布作为输出隶属函数，高斯隶属度函数的公式如下：
16、
17、式中，yi与gi代表高斯隶属度函数的准则参数，z表示输入的个数中的第几个，xz表示第z个输入；
18、将数据矩阵集不断输入自适应模糊推理系统进行训练，直到输入的特征向量能够预测出下一个特征向量的值，即训练结束。
19、可选的，还包括对自适应模糊推理系统进行优化：使用梯度下降法调整自适应模糊推理系统中yi与gi的值；根据所述训练数据，采用随机梯度下降法对所述高斯隶属度函数运行n1次迭代，获取所述高斯隶属度函数的初步权重，其中，n1等于所述训练数据的样本个数；在所述初步权重的基础上，采用有限内存bfgs方法继续对所述高斯隶属度函数运行若干次迭代直到收敛，获取所述高斯隶属度函数的最终权重；根据所述最终权重获取线性判别函数，建立自适应模糊推理系统。
20、进一步的，设定所述高斯隶属度函数的第一权重；根据所述第一权重对所述高斯隶属度函数进行迭代，根据所述训练数据中随机选取的一个样本，求取所述高斯隶属度函数的一阶导数；根据所述一阶导数以及预先设定的学习率，设定下一次迭代的第一权重，重新对所述高斯隶属度函数进行迭代，直到所述迭代的次数等于n1时，获取对应的所述第一权重作为所述初步权重。
21、进一步的，设定所述高斯隶属度函数的第二权重、对应的下降方向以及hessian矩阵；其中，所述第二权重的初始值等于所述初步权重；根据所述第二权重对所述高斯隶属度函数进行迭代，根据所述样本集中的所有样本，求取所述高斯隶属度函数的一阶导数；判断所述一阶导数是否小于预设的收敛阈值；如果小于所述预设的收敛阈值，则获取此次迭代中所述高斯隶属度函数的第二权重作为最终权重；否则，根据所述高斯隶属度函数的一阶导数修改所述下降方向以及hessian矩阵，根据修改后的所述下降方向、hessian矩阵以及预设的学习率计算下一次迭代的第二权重，根据下一次迭代的第二权重以及所述样本集重新计算所述高斯隶属度函数的一阶导数，直到所述高斯隶属度函数的一阶导数小于所述预设的收敛阈值。
22、可选的，所述随机森林分类器包括：建立多级故障字典，从多级故障字典的中抽取样本作为训练子集和测试样本，每个训练子集用于分别训练随机森林的决策树；
23、从决策树中的特征向量中随机选出多种特征元素构建特征子向量，在每个决策树中，选择对应的特征子向量中的一个特征元素进行分类，得到分类后的数据子集，对数据子集进行分类，直到每个数据子集中只有相同的特征元素，即完成决策树的训练；
24、通过测试样本对决策树进行测试，得到分类错误次数最少的决策树，即为随机森林分类器。
25、可选的，所述建立多级故障诊断系统包括：
26、从多级故障字典中调用训练数据和测试数据，进行预处理，构建数据矩阵集；对数据矩阵集进行特征向量提取，利用训练集对随机森林模型进行模型训练，并利用测试集进行模型验证，得到若干个训练好的随机森林模型；
27、基于若干个训练好的随机森林模型构建多个诊断单元；将多个所述诊断单元串联，构建多级故障诊断系统；利用多级故障诊断系统对实时故障数据进行诊断，输出待诊断实时故障数据的类型。
28、可选的，所述多级故障诊断系统包括n个串联的诊断单元，其中第1个诊断单元由多个不同类型的随机森林模型构成，第n个诊断单元由单个随机森林模型构成；其中，j为1至n-1的整数，若第j个诊断单元中的两个不同类型的随机森林模型得到的诊断结果一致，则诊断结束，并输出诊断结果；
29、若第j个诊断单元中的两个不同类型的随机森林模型得到的诊断结果不一致，则通过第j+1个诊断单元继续进行诊断；本文档来自技高网...
【技术保护点】
1.一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述建立多级故障字典包括：
3.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述预处理包括：进行降噪和归一化处理，所述降噪为截取未被噪声影响的部分，所述归一化为使变量数据的均值为零，方差为1，得到新的数据矩阵集，其中归一化公式为：
4.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述自适应模糊推理系统包括：
5.根据权利要求4所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，还包括对自适应模糊推理系统进行优化：使用梯度下降法调整自适应模糊推理系统中yi与gi的值；根据所述训练数据，采用随机梯度下降法对所述高斯隶属度函数运行n1次迭代，获取所述高斯隶属度函数的初步权重，其中，n1等于所述训练数据的样本个数；在所述初步权重的基础上，采用有限内存BFGS方法继续对所述高斯隶属度函数运行若干次迭代直到收敛，获取所述高斯隶属度函数的
6.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述随机森林分类器包括：建立多级故障字典，从多级故障字典中抽取样本作为训练子集和测试样本，每个训练子集用于分别训练随机森林的决策树；
7.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述建立多级故障诊断系统包括：
8.根据权利要求7所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述多级故障诊断系统包括n个串联的诊断单元，其中第1个诊断单元由多个不同类型的随机森林模型构成，第n个诊断单元由单个随机森林模型构成；其中，j为1至n-1的整数，若第j个诊断单元中的两个不同类型的随机森林模型得到的诊断结果一致，则诊断结束，并输出诊断结果；
9.根据权利要求8所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述第j个诊断单元中的两个不同类型的随机森林模型得到的诊断结果一致，则认为判别结束，并输出判别结果还包括：确定电路故障时元件值的变化范围，以及电路正常运行时元件值的标称公差极限，通过电路故障时元件值的变化范围以及标称公差极限对诊断结果进行误差修正，根据误差修正后的结果判断两个不同类型的随机森林模型得到的诊断结果是否一致，若一致则诊断结束，并输出诊断结果。
10.一种基于模糊分类器的模拟电路故障诊断系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述建立多级故障字典包括：
3.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述预处理包括：进行降噪和归一化处理，所述降噪为截取未被噪声影响的部分，所述归一化为使变量数据的均值为零，方差为1，得到新的数据矩阵集，其中归一化公式为：
4.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，所述自适应模糊推理系统包括：
5.根据权利要求4所述的一种基于模糊分类器的模拟电路故障诊断方法，其特征在于，还包括对自适应模糊推理系统进行优化：使用梯度下降法调整自适应模糊推理系统中yi与gi的值；根据所述训练数据，采用随机梯度下降法对所述高斯隶属度函数运行n1次迭代，获取所述高斯隶属度函数的初步权重，其中，n1等于所述训练数据的样本个数；在所述初步权重的基础上，采用有限内存bfgs方法继续对所述高斯隶属度函数运行若干次迭代直到收敛，获取所述高斯隶属度函数的最终权重；根据所述最终权重获取线性判别函数，建立自适应模糊推理系统。
6.根据权利要求1所述的一种基于模糊分类器的模拟电路故障诊断方法，...
【专利技术属性】
技术研发人员：柳洁，刘贞报，党庆庆，赵鹏，刘昕，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。