基于分類器的測前仿真診斷法研究.pdf

1、模擬電路故障診斷是一項令人矚目的研究課題，多年來一直被認為是電路理論中的一個重要研究方向。現代化大規(guī)模集成電路技術的迅速發(fā)展和廣泛應用，對模擬電路的運行穩(wěn)定性和可靠性提出了更高的要求，這就迫切需要模擬電路故障診斷理論和方法的進一步發(fā)展。目前模擬電路的診斷方法距離實際工業(yè)應用還有一定距離，為了促進模擬電路故障診斷理論向實用化方向發(fā)展，本文深入研究了一類最具實用價值的模擬電路診斷法——基于分類器的測前仿真法(CB-SBT)。從這類方法的基本

2、結構和理論出發(fā)，探索其規(guī)律和特性，尋找能夠提高模擬電路故障診斷正確率和解決現存問題的新方法。 首先以一個低通濾波器的故障診斷為例，研究了基于反向傳播(BP)網絡、徑向基函數(RBF)網絡和支持向量機(SVM)三種分類器的CB-SBT診斷法。實驗確定了合適的分類器結構和參數，并對診斷正確率和測試時間等方面性能進行比較研究，找到了CB-SBT診斷法中在分類器選擇和配置方面的規(guī)律和特性。 針對CB-SBT診斷法，基于粒子群優(yōu)化

3、(PSO)算法和k-NN分類評價準則，提出了一種故障特征提取算法(PSO/k-NN算法)。給出該算法的結構和流程，通過示例對該算法進行了驗證，并與現存PCA、LDA和基于遺傳算法的GA/k-NN算法進行了性能比較與分析，驗證了PSO/k-NN算法在電路故障特征提取中的優(yōu)越性。 通過研究CB-SBT診斷法中的模糊集問題，提出了不受電路和模糊集類型限制的模糊集確定算法，給出了該算法中樣本類間差異矩陣和類重疊度矩陣的原理和計算過程。提

4、出了能夠提高時間性能的改進隨機算法，分析了隨機算法在準確性和運算時間上的性能。又對類間差異矩陣和類重疊度矩陣應用異常值檢驗的方法，實現了模糊集的確定，同時驗證了這種方法的有效性。 研究了模擬電路診斷中故障類的重疊問題，針對故障類只存在部分重疊的情況，提出了一種故障重分類的方法。以基于BP網絡的CB-SBT診斷法為例，對一個簡單電阻電路進行故障診斷，說明了應用該方法能夠使分類器的訓練過程和故障分類性能得到改善。為了提高效率、減少運