基于流形特征提取與優(yōu)化的電子電路故障診斷.pdf

1、隨著電子設(shè)備中集成電路規(guī)模和復(fù)雜度的不斷提升，系統(tǒng)功能不斷完善，同時(shí)也帶來(lái)了電路可測(cè)節(jié)點(diǎn)少、故障潛在信息難以獲取、故障診斷準(zhǔn)確率低等問(wèn)題，對(duì)電子電路故障診斷技術(shù)的可靠性研究提出更高的要求。研究電路的故障診斷技術(shù)關(guān)鍵在于實(shí)現(xiàn)有效的故障特征提取和精準(zhǔn)的故障模式識(shí)別，本文從這兩個(gè)核心方面開(kāi)展電路故障診斷技術(shù)的研究，分別提出了融合LLE和MDS算法的故障特征提取技術(shù)以及基于DCQGA的優(yōu)化SVM分類器模型，并通過(guò)電路診斷實(shí)例對(duì)該方法進(jìn)行了仿真驗(yàn)

2、證。本文主要研究?jī)?nèi)容如下:
　　首先，研究典型電子電路的建模原理及故障特性。通過(guò)對(duì)電子電路的軟故障和硬故障的特性進(jìn)行分析，構(gòu)建電路故障模型，以故障電路可及節(jié)點(diǎn)的輸出響應(yīng)作為電路的原始多維故障特征數(shù)據(jù)。
　　其次，提出融合線性和非線性流形學(xué)習(xí)算法的特征提取技術(shù)，即基于LLE和MDS算法的故障特征提取。該融合算法可以最大限度挖掘故障數(shù)據(jù)中潛在的低維流形結(jié)構(gòu)，并保持?jǐn)?shù)據(jù)的距離相似性不變，達(dá)到提取與優(yōu)化故障特征的目的。利用該算法對(duì)電

3、路的多維故障特征數(shù)據(jù)進(jìn)行降維，結(jié)果表明降維后的故障特征分布區(qū)分性較明顯。
　　最后，建立一種用于電子電路故障診斷的優(yōu)化分類器模型，即基于雙鏈量子遺傳算法的支持向量機(jī)分類器模型。DCQGA-SVM分類器具有雙鏈尋優(yōu)特征，可以加速尋優(yōu)過(guò)程，增加獲得全局最優(yōu)參數(shù)的概率。通過(guò)UCI公共數(shù)據(jù)庫(kù)中的兩個(gè)經(jīng)典分類數(shù)據(jù)集對(duì)分類器的可行性進(jìn)行了測(cè)試，最后以電子電路故障診斷實(shí)例對(duì)優(yōu)化改進(jìn)分類器的收斂性能和故障診斷性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果不僅驗(yàn)證了DC