容差條件下模擬電路軟故障診斷方法研究.pdf

1、模擬電路故障診斷是電子電路測(cè)試領(lǐng)域中極具挑戰(zhàn)性的前沿和熱點(diǎn)研究課題。然而,由于模擬電路元件參數(shù)的連續(xù)可變、元件參數(shù)的容差影響以及電路響應(yīng)的非線性等固有特點(diǎn),模擬電路故障診斷方法發(fā)展緩慢,傳統(tǒng)的故障診斷理論和方法在實(shí)際的模擬電路故障診斷中很難達(dá)到預(yù)期的效果。因此,研究高效、適應(yīng)模擬電路發(fā)展需求的故障診斷理論和方法顯得尤為重要。
　　針對(duì)基于模式分類的模擬電路故障診斷方法對(duì)電路的早期軟故障狀態(tài)、未知故障狀態(tài)以及多軟故障狀態(tài)診斷能力不足

2、的問題,本文從概率分布理論、隨機(jī)過程理論和粒子群優(yōu)化理論幾個(gè)角度深入研究了容差條件下模擬電路的軟故障診斷方法。論文的主要研究工作和成果如下:
　　(1)結(jié)合模擬電路故障診斷中經(jīng)典的斜率故障模型診斷方法,提出了一種電路元件容差處理的新方法。將容差影響下的模擬電路斜率故障特征視為一個(gè)隨機(jī)變量(正態(tài)商分布隨機(jī)變量),并以其定義為基礎(chǔ),推導(dǎo)了斜率故障特征的近似概率分布函數(shù)。證明了正態(tài)商分布與標(biāo)準(zhǔn)正態(tài)分布在一定范圍內(nèi)的單調(diào)連續(xù)映射關(guān)系,推導(dǎo)

3、了容差影響下斜率故障特征變化范圍的估計(jì)公式。設(shè)計(jì)了一種新的測(cè)點(diǎn)選擇算法,并建立了待測(cè)電路的故障字典。診斷結(jié)果表明,基于正態(tài)商分布的容差處理方法是有效的,能夠顯著提升容差影響下斜率故障模型診斷方法的故障診斷率。
　　(2)針對(duì)基于斜率故障模型和正態(tài)商分布的模擬故障診斷方法無(wú)法有效診斷模擬電路早期軟故障的問題,提出了模擬電路早期軟故障的隱馬爾科夫模型診斷方法。受到隱馬爾科夫模型在機(jī)械設(shè)備工作狀態(tài)監(jiān)測(cè)領(lǐng)域成功應(yīng)用的啟發(fā),將待測(cè)電路元件參

4、數(shù)的變化過程視為隱藏的狀態(tài)隨機(jī)過程,將測(cè)量得到的待測(cè)電路的輸出信號(hào)視為觀測(cè)隨機(jī)過程,采用隱馬爾科夫模型對(duì)模擬電路的故障狀態(tài)進(jìn)行動(dòng)態(tài)建模。給出了相關(guān)的故障電路仿真方法、隱馬爾科夫模型的選擇和訓(xùn)練方法以及故障診斷步驟。診斷結(jié)果表明,模擬電路早期軟故障的隱馬爾科夫模型建模方法是有效的,能夠顯著提升容差影響下模擬電路早期軟故障的故障診斷率。
　　(3)針對(duì)隱馬爾科夫模型診斷方法對(duì)模擬電路未知故障狀態(tài)或多軟故障狀態(tài)診斷能力不足的問題,提出了

5、一種模擬電路軟故障的粒子群優(yōu)化診斷方法。以待測(cè)電路的節(jié)點(diǎn)電壓靈敏度矩陣為基礎(chǔ),設(shè)計(jì)了一種基于測(cè)點(diǎn)對(duì)故障隔離能力評(píng)估的測(cè)點(diǎn)選擇新策略,并建立起模擬電路節(jié)點(diǎn)電壓增量方程組。以節(jié)點(diǎn)電壓增量方程組為約束條件,結(jié)合模擬電路故障的特點(diǎn),采用數(shù)學(xué)規(guī)劃方法建立了基于L1范數(shù)、L2范數(shù)以及電路故障元件數(shù)的模擬故障診斷方程,并經(jīng)罰函數(shù)法將其轉(zhuǎn)化為無(wú)約束優(yōu)化問題。將上述無(wú)約束優(yōu)化問題視為目標(biāo)函數(shù),并采用粒子群優(yōu)化算法進(jìn)行統(tǒng)一求解,得到與故障電路相對(duì)應(yīng)的最優(yōu)的

6、電路元件參數(shù)向量。診斷結(jié)果表明,模擬電路軟故障的粒子群優(yōu)化診斷方法是有效的,能夠?qū)崿F(xiàn)容差影響下模擬電路元件早期單軟故障狀態(tài)和雙軟故障狀態(tài)的診斷。
　　(4)針對(duì)模擬電路軟故障的粒子群優(yōu)化診斷方法故障診斷率相對(duì)較低的問題,提出了模擬電路軟故障的改進(jìn)粒子群優(yōu)化診斷方法?；玖Ｗ尤核惴☉T性權(quán)重線性減小的調(diào)整方案,使得其求解高維問題時(shí)收斂率和收斂速度急劇下降,從而嚴(yán)重影響了模擬軟故障粒子群優(yōu)化診斷方法的診斷能力。論文從粒子群體運(yùn)動(dòng)狀態(tài)實(shí)時(shí)

7、監(jiān)測(cè)和評(píng)估的角度,提出了兩種改進(jìn)的慣性權(quán)重自適應(yīng)調(diào)整的粒子群優(yōu)化算法(模糊自適應(yīng)變異的粒子群優(yōu)化算法和自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法),將算法的慣性權(quán)重調(diào)整與粒子群體的實(shí)時(shí)搜索狀態(tài)有機(jī)地結(jié)合起來(lái)。通過求解標(biāo)準(zhǔn)測(cè)試函數(shù),與經(jīng)典方法相比,論文提出的自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法具有更高的收斂率、收斂速度和收斂穩(wěn)定性。隨后將該改進(jìn)算法應(yīng)用于模擬電路軟故障診斷。診斷結(jié)果表明,改進(jìn)的粒子群優(yōu)化診斷方法顯著提升了基本粒子群優(yōu)化診斷方法的故障診斷率和