模擬電路多軟故障特征的智能優(yōu)化提取方法研究.pdf

1、模擬電路的智能故障診斷技術(shù)是電路測試領(lǐng)域的重要研究內(nèi)容之一，而模式識別是進行故障診斷的核心問題，其關(guān)鍵便是對模擬電路的故障特征進行優(yōu)化選擇和提取。模式識別過程中獲得的原始數(shù)據(jù)往往包含大量的冗余信息，如果全部用于故障診斷環(huán)節(jié)，會致使計算量過大，降低故障診斷的效率，甚至有可能影響故障診斷的準確性，因此，對故障特征進行選擇和提取就顯得尤為重要。本文針對這一問題，以Wiener級數(shù)來描述非線性模擬電路，并采用優(yōu)化的蟻群粒子群混合算法對模擬電路的

2、Wiener核進行特征的選擇和提取，以期快速、準確地進行模擬電路的故障診斷。
　　在電路建模時，本文選取Wiener正交級數(shù)來描述模擬電路，研究了離散電路Wiener核的直接獲取方法和間接獲取方法，并采用低階Wiener核為電路建模，進而研究了基于Wiener核的模擬電路智能故障診斷原理和方法。
　　為了優(yōu)化用于診斷的電路特征，本文研究了智能特征選擇和提取方法。首先研究蟻群算法和粒子群算法，分析其原理和數(shù)學(xué)模型，結(jié)合兩個算法

3、的優(yōu)點，提出改進的蟻群粒子群混合算法，并通過仿真驗證蟻群粒子群混合算法與蟻群算法、粒子群算法相比，具有更好的全局尋優(yōu)能力，搜索效率高，收斂速度快。然后研究了基于蟻群粒子群混合算法的智能特征選擇和提取方法，并對模擬電路的Wiener核進行故障特征參數(shù)的優(yōu)化選擇和提取，采用實例對其進行驗證，結(jié)果表明基于蟻群粒子群算法的特征選擇和提取方法能夠高效地對模擬電路的Wiener核進行特征選擇和提取，提高了故障診斷的準確率。
　　在理論研究和仿