基于小波分析的模擬電路故障診斷探討

劉澤江

摘要：近年來，經(jīng)濟(jì)的發(fā)展，促進(jìn)我國科技水平的提升。隨著科學(xué)技術(shù)的不斷進(jìn)步，電子電路已經(jīng)應(yīng)用，據(jù)相關(guān)統(tǒng)計，電路故障的80%來自于模擬電路部分，即模擬電路的可靠性決定了整個系統(tǒng)的可靠性。因此，模擬電路的故障診斷與可靠性設(shè)計的重要性不言而喻。通常的診斷方法是從電路的輸出響應(yīng)曲線上提取其特征向量，當(dāng)電路出現(xiàn)故障時，輸出響應(yīng)曲線與正常狀態(tài)有所差異，通過分析曲線及其數(shù)據(jù)的變化來反映其故障特征，再通過上述的方法進(jìn)行故障診斷。本文就基于小波分析的模擬電路故障診斷展開探討。

關(guān)鍵詞：小波變換;模擬電路故障診斷;神經(jīng)網(wǎng)絡(luò)

引言

隨著電子科學(xué)與電子技術(shù)深入發(fā)展，電子系統(tǒng)和設(shè)備廣泛普及于人們的日常生活中，及時準(zhǔn)確的發(fā)現(xiàn)電子設(shè)備存在的故障問題，是設(shè)備安全穩(wěn)定運(yùn)行的重要保障。資料顯示，電路故障多發(fā)生于模擬電路部分，基于模擬電路的故障診斷具有重要的研究和應(yīng)用價值。模擬電路故障診斷中，準(zhǔn)確定位故障類型是重要的評價標(biāo)準(zhǔn)，提取的故障特征關(guān)系到故障知識庫的構(gòu)建，分類算法通過故障特征來定位故障類型，提取出能有效區(qū)分故障類型的故障特征是故障診斷效果有力的保障，也是模擬電路故障診斷研究的難點和關(guān)鍵問題。

1小波變換特征提取

在模擬電路的故障診斷中，通常利用小波變換對電路的輸出響應(yīng)曲線進(jìn)行數(shù)據(jù)的預(yù)處理，提取其故障特征參數(shù)。小波變換的定義是把某一個被稱為基本小波的函數(shù)做位移 b后，再在不同尺度 a下與待分析的信號 x（t）做內(nèi)積，即：

式中：a為頻率參數(shù);b為時間參數(shù)。通過改變時間和頻率參數(shù)，將得到不同的尺度來評估信號在不同的時間頻率段的系數(shù)。這些系數(shù)表征了原始信號在這些小波函數(shù)上投影的大小。從信號分析的角度看，小波分解是將待分析信號通過兩組濾波器，得到信號的高頻信號和低頻信號，同時，對低頻信號的進(jìn)一步分解，可以得到下一尺度函數(shù)上的低頻信號及高頻信號，且長度均為原信號長度的一半，即在濾波后進(jìn)行了采樣。將采樣后的信息做為信號的特征參數(shù)。具體步驟為：（1）對采樣信號進(jìn)行 5層離散小波分解，得到從第 1層到第 5層，共 6個小波分解系數(shù)序列（A 5，D5，D4， D3，D2，D1）;（2）特征向量構(gòu)成。以各層小波分解系數(shù)的絕對值昀大值為元素構(gòu)成特征向量，即（max（A 5），max（D 5），max（D 4），max（D 3），max（D2），max（D 1））;（3）歸一化處理。指通過變換處理將網(wǎng)絡(luò)輸入數(shù)據(jù)限制在[-1，1]區(qū)間內(nèi)，從而避免大的動態(tài)變化。

2基于小波分析的模擬電路故障診斷

2.1測試信號預(yù)處理

測試信號經(jīng)小波分解后提取低頻系數(shù)能量作為候選故障征兆集，進(jìn)而經(jīng)歸一化、PCA分析預(yù)測處理后構(gòu)造故障特征向量。每路測試信號都需進(jìn)行預(yù)處理，從而得到各自對應(yīng)的特征向量。預(yù)處理過程減少了噪聲對診斷結(jié)果的干擾，降低了故障特征維數(shù)，從而簡化了神經(jīng)網(wǎng)絡(luò)分類器的復(fù)雜度。

2.2特征提取

模擬電路在故障發(fā)生時，通常由于信噪比極小，故障所帶來的信號變化體現(xiàn)并不明顯，常規(guī)的信號分析手段難以在大量數(shù)據(jù)信息中提取出故障特征。小波包分解是一種小波分析手段，將原始信號數(shù)據(jù)分解為高頻部分和低頻部分，并同時分解新生成的高頻和低頻分量，對高頻部分隱含的特征信息進(jìn)行充分挖掘，提升了小波變換在高頻部分的分辨率，克服了小波分解無法解析高頻帶特征的缺點。利用小波包分解提取電路故障數(shù)據(jù)的高頻和低頻特征，通過直接組合的方式構(gòu)成特征向量，用于故障診斷模型的訓(xùn)練。

2.3數(shù)據(jù)采集與故障特征提取

在待測電路運(yùn)行于不同故障模式時，采集電路輸出響應(yīng)信號（如電壓、電流等信號），對其離散化后，進(jìn)行 N層小波分解，以各層小波分解系數(shù)序列的絕對值之和為元素組成故障特征向量。

2.4克隆選擇算法與故障診斷

克隆選擇算法用于故障診斷大致通過 3個階段完成：（1）準(zhǔn)備故障樣本數(shù)據(jù)。（2）輸入樣本數(shù)據(jù)對算法進(jìn)行訓(xùn)練，得到各個故障模式的聚類中心。（3）通過聚類中心實現(xiàn)對故障樣本數(shù)據(jù)的分類，確定出故障類型。故障診斷過程的算法實現(xiàn)，提取的克隆選擇算法。并針對算法具體步驟中存在的兩點問題進(jìn)行了改進(jìn)：（1）親和度計算，在個體與種群中心相同的情況下會出現(xiàn)計算溢出。改進(jìn)方法是將步驟 3中的親和度計算方法修改為：f=1/（1+d）。（2）故障診斷時的判決條件是設(shè)定統(tǒng)一的判定半徑，這會造成故障拒分、多分，而且存在判定半徑的大小本身難以確定的情況。本文改進(jìn)方法是取消了診斷中的判定半徑，直接根據(jù)故障個體到故障中心的昀小距離來判定所屬故障類。（即分別計算測試樣本與所有聚類中心的距離 D，根據(jù)昀小距離 D認(rèn)定測試樣本所屬故障類別。）

2.5基于遺傳小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷算法

用遺傳算法來優(yōu)化 BP神經(jīng)網(wǎng)絡(luò)，就是模擬生物的遺傳和進(jìn)化理論，對網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化調(diào)整，作為遺傳基因組合成染色體（每條染色體都與一個權(quán)值-閾值組合體對應(yīng)）。然后對染色體多次交叉、變異，“優(yōu)勝劣汰”，直至尋得小于預(yù)定網(wǎng)絡(luò)誤差的染色體。遺傳算法擅長全局搜索，但此進(jìn)化方法在速度上要遜于 BP神經(jīng)網(wǎng)絡(luò)算法或其它的訓(xùn)練算法。而 BP神經(jīng)網(wǎng)絡(luò)算法擅長局部搜索，故將遺傳算法與 BP神經(jīng)網(wǎng)絡(luò)算法結(jié)合，進(jìn)行神經(jīng)網(wǎng)絡(luò)的混合訓(xùn)練是一可行的途徑，充分利用遺傳算法全局性特點去搜尋昀佳的網(wǎng)絡(luò)連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)。例如網(wǎng)絡(luò)的隱節(jié)點數(shù)、隱層數(shù)等。昀后再利用小波變化的方法，來進(jìn)行模擬電路故障診斷的數(shù)學(xué)描述。

結(jié)語

基于小波分析的模擬電路診斷系統(tǒng)可以在一定程度上滿足故障診斷的需要，并為小波分析應(yīng)用于故障診斷領(lǐng)域提供了參考。但是基于小波分析的故障診斷方法仍有完善空間，需要進(jìn)一步的探討和研究。

參考文獻(xiàn)

[1]崔金魁，胡國兵，于新剛.模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法綜述[J].電子科技，2018（02）：134.

[2]李敏強(qiáng)，寇紀(jì)淞，李丹，等.遺傳算法的基本理論與應(yīng)用[M].北京：科學(xué)出版社，2018.

[3]譚檢平.基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D].長沙：湖南師范大學(xué)，2018（03）：15-16.