一种状态监测与健康评估方法及其在模拟电路中的应用

摘要

针对模拟电路的健康性能退化状况,提出一种特征选择与降维提取法(B&B+LDA)和隐马尔可夫模型(HMM)相结合、以KL距离为衡量标准的状态监测和健康评估方法.首先设置元件的参数提取幅频特征;其次针对特征存在的冗余性及高维性,采用B&B+LDA对原始特征进行提取,从而获得有效的特征集;再根据获得的特征监测出早期故障类型;最后利用正常态下的特征来训练HMM,并用其计算各状态对应的KL距离,得出故障程度,即实现电路健康退化的评估.将该方法应用于某模拟电路中,通过实验验证了其具有良好的模拟电路早期故障监测性能,与B&B,LDA,PCA及原始特征相比具有最好的状态监测与健康评估能力.