基于聚类结合动态剪枝二叉树SVM方法的电路故障诊断系统研究及实现

摘要

电路故障诊断技术自20世纪60年代以来，一直是研究的热门课题之一。随着电子技术的飞速发展，电子电路集成化程度及制版工艺的日益提高，各种元件级故障诊断理论和方法已经难以适应大规模网络故障诊断的需要，从而对大规模电路子网路级诊断方法提出了迫切的要求。但元件容差的存在，严重制约了电路尤其是大规模容差电路故障诊断技术的进一步发展，是电路故障诊断领域的热点和难点。
　　本文研究了大规模容差电路子网络级诊断方法，重点探索了基于网络撕裂法的容差电路诊断方法，力图将大规模容差网络故障诊断方法朝系统化，实用化的方向推进。研究了改进的节点撕裂法，通过引入拟裂点，并融合了逐级撕裂搜索法，使得网络的撕裂具有很大的灵活性。应用区间数学和改进的遗传算法，提出了容差子网络状态的判定条件，从而快速确定故障子网络，为大规模容差电路诊断提供了一种快速、有效的方法。
　　由于电路往往有容差，并且不同节点的电压变化和电流变化对不同故障的敏感程度不同，所以针对故障网络，利用PSpice对不同故障状态的信号进行采集，为故障诊断提供样本数据。
　　传统的小波变换(Wavelet Transform，WT)只对信号近似部分（低频）作进一步的分解，小波包变换(Wavelet Packet Transform，WPT)则可以同时对近似部分和细节部分（高频）进行分解，而在很多电路中，信号的高频部分往往占信号能量的主要部分，因此，本文使用小波包变换对电路故障信号进行特征提取。
　　最初的支持向量机(Support Vector Machine，SVM)算法是对两类问题进行分类，但是电路故障分类属于多类分类问题。针对目前常用的基于SVM的一对多(OAA)、一对一(OAO)多类分类算法的不足，本文提出了基于聚类结合动态剪枝二叉树SVM的电路故障诊断方法。
　　本文针对模拟电路和电力电子电路，基于MatlabR2008a平台，开发了电路故障诊断系统，系统设计了故障诊断的各个模块，实现了基于聚类结合动态剪枝二叉树SVM方法的电路故障诊断系统，做了大量的仿真对比实验。实验结果表明，本文提出的多类分类算法是可行的，并且有效地提高了故障诊断准确率和速度。

目录

封面

声明

摘要

第1章 绪论

1．1 电路故障诊断的意义

1．2 电路故障诊断技术的发展及研究现状

1．3 课题研究所做的主要工作

第2章 大规模电路网络故障诊断方法

2．1 大规模网络故障诊断原理

2．2 改进的网络撕裂分层诊断法

2．2．1 逐级撕裂原理

2．2．2 改进撕裂分层诊断步骤

2．3 子网络可解的拓扑条件

2．4 故障子网络的判定条件

2．4．1 容差网络状态

2．4．2 区间分析法

2．4．3 改进的遗传算法求解

2．5 网络撕裂实例

2．6 本章小结

第3章 小波包理论及基于小波包分析的故障特征提取方法

3．1 小波定义

3．2 一维连续小波变换理论

3．3 小波函数的选择

3．4 小波包理论

3．4．1 小波包定义

3．4．2 小波包性质

3．4．3 小波包的空间分解

3．4．4 小波包算法

3．5 基于小波包变换的故障特征提取方法

3．6 本章小结

第4章 支持向量机多类分类方法

4．1 支持向量机研究进展

4．2 支持向量机原理

4．3 多类分类算法

4．3．1 一对多分类算法

4．3．2 一对一分类算法

4．4 本章小结

第5章 聚类结合动态剪枝二叉树支持向量机多类分类算法

5．1 动态剪枝二叉树支持向量机

5．2 聚类结合动态剪枝二叉树SVM算法

5．3 本章小结

第6章 电路故障诊断系统设计及实现

6．1 视频放大电路故障诊断实验

6．1．1 诊断电路

6．1．2 故障特征信号的采集

6．1．3 利用小波变换进行故障特征提取

6．1．4 利用小波包变换进行故障特征提取

6．1．5 仿真结果与分析

6．2 JFET放大器电路故障诊断实验

6．2．1 故障子网络的确定

6．2．2 仿真结果与分析

6．3 放大器电路故障诊断实验

6．3．1 故障子网络的确定

6．3．2 仿真结果与分析

6．4 改进型全桥移相ZVS PWMDC／DC变换器电路电路故障诊断实验

6．4．1 故障子网络的确定

6．4．2 仿真结果与分析

6．5 仿真结果的分析总结

6．6 基于聚类结合动态剪枝二叉树算法的电路故障诊断系统设计及实现

6．7 本章小结

第7章 结论与展望

7．1 结论

7．2 展望

参考文献

致谢

攻读硕士期间参加的科研工作

攻读硕士期间发表的论文