基于多特征模型模擬電路故障預測技術研究與實現(xiàn).pdf

1、隨著電子技術的快速發(fā)展，在電子設備功能日益完善的同時，其結(jié)構也日趨復雜，使得電子系統(tǒng)對自身的可靠性要求越來越高。電子系統(tǒng)的故障預測是通過充分利用系統(tǒng)的歷史數(shù)據(jù)與當前狀態(tài)，通過算法處理，從而提前估計出系統(tǒng)未來狀態(tài)的變化趨勢，為視情維修提供依據(jù)，有效降低系統(tǒng)故障概率，提高系統(tǒng)可靠性，降低保障費用。故障預測的關鍵在于如何提取合適的故障特征參數(shù)，并設計出性能良好的狀態(tài)評估算法與故障預測算法。鑒于以上原因，本文的主要研究內(nèi)容如下：
　?。?

2、）模擬電路多特征提取。針對當前模擬電路功能結(jié)構日益復雜，故障形式多樣化等特點，本文選擇進行多特征提取，從而盡可能準確的表征出被測電路的健康狀態(tài)。首先介紹了常見故障特征的提取，并重點討論了小波特征與統(tǒng)計特征的提取方法，并針對射頻模擬電路的特殊性分析了以S參數(shù)作為其故障特征的提取方法。
　?。?）模擬電路健康狀態(tài)評估。雖然可以用單一故障特征參數(shù)來表征系統(tǒng)健康狀態(tài)，但各個特征參數(shù)變化趨勢不盡相同甚至相反，因此不能直觀準確的反應出系統(tǒng)狀態(tài)

3、變化情況。為此，本文給出了一種基于主成分分析法改進的馬氏距離來構造故障指示器值的信息融合方法，從而提高了故障指示器對早期故障與微弱故障的識別能力。
　　（3）故障預測方法研究。本文詳細介紹了極限學習機預測模型與卡爾曼預測模型的理論基礎與其優(yōu)缺點，并針對兩種預測模型的缺點分別提出了改進方法。其中對極限學習機模型的輸入權值矩陣與隱含層節(jié)點偏差提出了以差分進化算法進行優(yōu)選，從而改善了傳統(tǒng)極限學習機模型隨機給定權值矩陣與節(jié)點偏差導致泛化能

4、力不足的問題；對卡爾曼濾波預測模型采用了基于AR模型建立狀態(tài)空間方程，并采用粒子群算法的對模型的階數(shù)進行了優(yōu)選。并結(jié)合實際電路，驗證了預測模型的有效性。
　?。?）故障預測軟件的設計與實現(xiàn)。結(jié)合理論研究，本文設計并實現(xiàn)了一套開放式的故障預測軟件，該軟件集成了數(shù)據(jù)庫系統(tǒng)、故障特征提取、狀態(tài)評估、故障預測以及人機交互界面等功能模塊。該軟件允許用戶根據(jù)實際需要對軟件中的關鍵算法模型進行在線升級與動態(tài)更新，在滿足實際需求的同時也便于將未來