基于小波變換和ica特征提取的開關電路故障診斷方法
【技術領域】
[0001] 本發(fā)明涉及一種基于小波變換和ICA特征提取的開關電路故障診斷方法。
【背景技術】
[0002] 開關電流（Switched Current，SI)技術是20世紀80年代末提出的一門模擬采 樣數據信號處理技術。作為開關電容技術的替代技術，它用離散時間采樣數據處理連續(xù)時 間模擬信號，具有低電壓、高速度、低功耗、芯片面積小和高頻特征好等優(yōu)勢，在最近十兒年 獲得了快速的發(fā)展。SI技術不包含線性電容和高性能運算放大器，完全與數字CMOS工藝 技術兼容，易于實現大規(guī)模數?；旌想娐返膯纹?。然而，數?；旌闲盘栯娐分心M部分 的測試與診斷一直進緩慢。盡管近年來模擬電路的測試與故障診斷取得了不少研宄成果， 但數字工藝的模擬技術-開關電流電路的測試與故障診斷一直滯后于開關電流電路的設 計與制造，這極大地阻礙了 SI技術的發(fā)展。并且由于SI電路中MOS場效應管的非理想性 能、開關電荷流入、有限的頻帶寬度和非零輸入輸出電導比等因素更進一步增加了 SI電路 故障特征提取的困難性，使SI電路故
[0003] 障診斷還面臨著很大的挑戰(zhàn)。
[0004] 近年來，在開關電流電路故障診斷故障診斷領域中，涌現出了一些有效而實用的 測試和故障診斷方法。在這些診斷方法中，特征提取對測試和測試系統(tǒng)起了相對關鍵的作 用。在文獻[黃俊，何怡剛.開關電流電路故障診斷技術的初步研宄.現代電子技術，2007， 30(9) :76-78]中，作者參考模擬電路測試與診斷方法簡單討論了 SI基本存儲單元的測試， 對無 MOS開關的基本存儲單元電路進行了硬故障測試。由于測量的是電流參數，造成用于 測試和診斷的相關故障信息量不完整，以致于不能準確地進行故障定位。
[0005] 而在文獻[Guo，J.，R.，He，Y. G.，Liu M. R. · Wavelet neural network approach for testing of switched-current circuits. J Electron Test, 27 :611-625,2011.] 【記為文獻[3]】中，作者利用小波神經網絡對SI電路進行診斷能正確無誤地診斷出所有 硬故障，但對軟故障特別對低靈敏度晶體管發(fā)生故障時的診斷率很低，僅為80%左右。另 外，在文獻[Long，Y.，He，Y. G.，&Yuan，L. F. Fault dictionary based switched current circuit fault diagnosis using entropy as a preprocessor. Analog Integrated Circuits and Signal Processing，66 (I)，2011 :93-102.]【記為文獻[1]】中，作者第一 次在SI電路測試和診斷中引入故障特征預處理概念，通過對采集到的故障響應信號進行 信息熵預處理特征提取，計算信息熵模糊集構建故障字典，進行故障分類，減少了計算和故 障診斷時間，診斷正確率達到95 %左右，但該方法僅適應于中小規(guī)模開關電流電路的故障 診斷。在文獻[Zhang，Z.，Duan，Z.，Long，Y.，&Yuan，L. F. A new swarm-SVM-based fault diagnosis approach for switched current circuit by using kurtosis and entropy as a preprocessor. Analog Integrated Circuits and Signal Processing，vol.81， no. I. 2014.]【記為文獻[2]】中，作者增加了一個特征參數-峭度，提出了基于粒子群支持 向量機的信息熵和峭度預處理的SI電路測試和診斷方法，軟故障診斷正確率有了進一步 的提尚，達到99%左右，但是仍不能達到100%的故障診斷與識別。
[0006] 因此，有必要設計一種新型的開關電路故障診斷方法。

【發(fā)明內容】

[0007] 本發(fā)明所要解決的技術問題是提供一種基于小波變換和ICA特征提取的開關電 路故障診斷方法，該基于小波變換和ICA特征提取的開關電路故障診斷方法易于實施，相 比現有方法，能更準確的區(qū)分出各種故障類型。
[0008] 發(fā)明的技術解決方案如下：
[0009] 一種基于小波變換和ICA特征提取的開關電路故障診斷方法，該方法用于開關電 流電路的故障診斷，所述的開關電路故障診斷方法包括以下步驟：
[0010] 步驟1:分類器訓練以及構造故障字典
[0011] 基于電路仿真，采用基于小波變換和ICA特征提取的方法獲取特征參數，基于該 特征參數構造故障字典以及訓練分類器；
[0012] 步驟2:故障診斷：
[0013] 參照故障字典，針對待診斷的開關電流電路采用基于小波變換和ICA特征提取的 方法獲取特征參數，將該特征參數輸入到訓練后的分類器中對待測開關電流電路進行故障 診斷，分類器的輸出信號即為故障診斷結果；
[0014] 所述的基于小波變換和ICA特征提取的方法包括以下步驟：
[0015] 步驟a :產生偽隨機信號作為測試激勵信號；
[0016] 偽隨機信號為偽隨機脈沖序列；
[0017] 步驟b:定義故障模式：
[0018] 對開關電流電路進行靈敏度分析，得到元件參數的改變對電網絡系統(tǒng)特征的一階 改變，以定位電路中最有可能發(fā)生故障的故障元件；并基于故障元件定位劃分故障模式； 故障元件的數量為N，則故障模式的種類為2*N個；N為自然數；
[0019] 步驟c.采集電路的原始響應數據：
[0020] 用偽隨機信號激勵被測的開關電流電路，用ASIZ軟件對被測開關電流電路的各 種故障狀態(tài)及正常狀態(tài)進行仿真，從開關電流電路的輸出端采集到原始響應數據；該原始 響應數據為電流或電壓數據；
[0021] 步驟d.采用Haar小波正交濾波器對原始響應數據進行預處理；
[0022] 利用Haar小波正交濾波器作為采集序列的預處理系統(tǒng)，得到觀測信號的低頻近 似?目息和尚頻細節(jié)?目息；
[0023] 步驟e.故障特征參數提取；
[0024] 分別針對預處理后的信號計算低頻近似信息和高頻細節(jié)信息的熵和峭度；獲得以 下特征參數：低頻近似熵、低頻近似峭度、高頻細節(jié)熵和高頻細節(jié)峭度。
[0025] 步驟1中，構造故障字典的步驟為：
[0026] 基于獲取的低頻近似熵和低頻