一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法
2023-05-16 20:03:36
專利名稱：一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法
技術領域：
本發明涉及一種模擬電路軟故障診斷方法，特別涉及一種基於希爾伯特-黃變換(HiIbert-Huang Transform, HHT)的非線性模擬電路軟故障診斷方法,屬於模擬電路故障診斷和性能退化檢測技術領域。
背景技術：
在電路故障診斷研究領域，經實際經驗表明，雖然模擬電路部分通常只佔整個電子系統的20%左右，但80%以上的故障來自模擬電路部分，並且模擬電路的測試成本佔總測試成本的90%以上。相對於數字電路，模擬電路的故障診斷研究進展緩慢且困難重重，在理論上和實際應用中都尚未成熟完善，究其原因有以下幾點(I)模擬電路的結構及故障情況複雜；(2)可用診斷信息不充分；(3)可及測試節點有限；(4)模擬元件參數容差的影響；(5)普遍存在的非線性特性，等等。總之，模擬電路的故障診斷已經成為電路故障診斷領域的瓶頸問題，為了確保系統的可靠性和可維護性，該問題已成為一個亟待解決的重要課題。模擬電路故障診斷技術發展至今，對於故障定位的研究已經取得了較為成熟的研究成果，形成了很多行之有效的診斷策略，傳統模擬電路故障診斷法主要有故障字典法、概率統計法、故障驗證法和參數辨識法；現代模擬電路故障診斷方法主要有專家系統法、模糊理論法、小波變換法、神經網絡法、遺傳算法、支持向量機法、多種智能技術的混合診斷方法，等等。傳統診斷方法中的故障字典法需要大量的測前模擬，一般只適用於無容差電路的單、硬故障的診斷；故障驗證法和參數辨識法都需要足夠的獨立數據，且測後計算量非常大，實施較為困難。傳統模擬電路故障診斷方法無法很好地解決元件容差帶來的診斷困難，且不適應於非線性模擬電路的故障診斷，現代模擬電路故障診斷方法較好地克服了傳統模擬電路故障診斷方法的不足，成為模擬電路故障診斷研究領域的主要方向，具有廣闊的發展前景，但是在非線性電路的軟故障診斷問題上，現有的方法仍存在不足之處。現代模擬電路故障診斷方法的一個關鍵環節在於故障特徵的提取，而如何從系統輸出的有限信息中提取出足以準確定位故障元件的故障特徵卻是研究的難點。目前，通常是採取施加多個不同頻率的激勵源的方法，或者在一組經過優化選擇的測試點採集信號，然後通過行之有效的信號分析技術對輸出信號進行處理，得到足以準確定位故障元件的故障特徵。但是實際電路中往往沒有足夠的可及測試點，並且施加多個激勵信號的方法實施起來相對比較麻煩。
發明內容
為了克服現有技術的不足，本發明提供一種基於希爾伯特-黃變換(Hilbert-Huang Transform, HHT)的非線性模擬電路軟故障診斷方法。一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，步驟如下
(I)根據被測電路的靈敏度分析結果和元件發生故障的概率建立故障模式集合，給定電路各個元件的容差均為5% ；
(2)激勵源作用於無故障的非線性模擬電路，提供激勵信號，對電路進行多次容差條件下的蒙特卡羅仿真分析，將每次蒙特卡羅分析的可及測試節點電壓信號做希爾伯特-黃變換，得到可及測試節點電壓信號的n階固有模態函數分量和希爾伯特邊際譜，求出n階固有模態函數分量的能量，記為ESi,其中i=l，…，n，和希爾伯特邊際譜總能量，記為ES，並由ESi和ES組成判別電路無故障的特徵向量，作為BP神經網絡的訓練樣本；
(3)激勵源分別作用於各種故障模式下的非線性模擬電路，提供激勵信號，在考慮元件容差的條件下，分別對各種故障模式下的電路採集多次可及測試節點電壓信號，將每次採集的可及測試節點電壓信號做希爾伯特-黃變換，得到信號的n階固有模態函數分量和希爾伯特邊際譜，求出n階固有模態函數分量的能量，記為ESp j=l,…，n和希爾伯特邊際譜總能量，記為ES，並由ESj和ES組成判別電路發生哪一類故障的特徵向量，作為BP神經網絡的訓練樣本；
(4)將步驟(2)和(3)中的訓練樣本歸一化後作為輸入向量訓練BP神經網絡；訓練樣本的輸出向量確定方法為設電路有K種故障模式,即模式1、模式2、…、模式j、…、模式K，網絡輸出向量為(yi，i2,…，y」，…，yK)，若電路狀態處於模式j，則令y」=l，其餘為O，網絡輸出向量為(O，O，…，1，…，0);
(5)測量待測電路的可及測試節點的電壓信號，經希爾伯特-黃變換後得到由n階固有模態函數分量的能量ESm，m =1，…，n和希爾伯特邊際譜總能量ES組成的特徵向量，將特徵向量歸一化後輸入步驟(4)中訓練好的BP神經網絡，神經網絡的輸出即可判定故障模式，完成了故障元件的定位。所述的待測電路的拓撲結構已知。所述的待測電路的輸出端為唯一的可及測試點。給待測電路施加 的激勵源為一個不少於三個頻率的多頻複合信號。所述的待測電路的各個元件的容差均為5%。對待測電路進行靈敏度仿真分析，只考慮測試節點電壓靈敏度較高的元件發生故障的情況。所述的軟故障情況為元件參數漂移出標稱值的容差範圍，但不超過標稱值的±50%，假如元件的標稱值為S0 ,容差為5%，元件發生軟故障時的參數為^ 1，則
^f e [ 1 50% 為-Rq :丨:5%] I—j [1 + Rrj r|: 5% , I0 :|:150%]。所述的軟故障只會引起電路性能發生退化，而不會引起電路發生功能性故障。本發明的有益效果在於本發明通過對測試節點的電壓信號進行HHT分析，由n階IMF分量的能量ESi和Hilbert邊際譜總能量ES組成特徵向量，實現了在測試節點有且僅有一個的前提下提取足以定位故障元件的故障特徵，通過訓練好的BP神經網絡實現單個和多個軟故障元件的定位，對於元件發生性能退化型故障的情況，本發明的診斷率較高，單故障的平均診斷率可達96%，多故障的平均診斷率可達91. 3%，適合於解決實際工程問題。
圖1是基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法的流程圖。
圖2是電晶體單管共射級放大電路的電路原理圖。圖3是希爾伯特-黃變換的經驗模態分解算法流程圖。圖4是希爾伯特-黃變換的Hilbert能量譜算法流程圖。
具體實施例方式下面結合附圖和實施例，對本發明做進一步說明。一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，步驟如圖1所示
(1)根據被測電路的靈敏度分析結果和元件發生故障的概率建立故障模式集合，給定電路各個元件的容差均為5% ；
(2)激勵源作用於無故障的非線性模擬電路，提供激勵信號，對電路進行多次容差條件下的蒙特卡羅仿真分析，將每次蒙特卡羅分析的可及測試節點電壓信號做希爾伯特-黃變換，得到可及測試節點電壓信號的n階固有模態函數分量和希爾伯特邊際譜，求出n階固有模態函數分量的能量，記為ESi,其中i=l，…，n，和希爾伯特邊際譜總能量，記為ES，並由ESi和ES組成判別電路無故障的特徵向量，作為BP神經網絡的訓練樣本；
(3)激勵源分別作用於各種故障模式下的非線性模擬電路，提供激勵信號，在考慮元件容差的條件下，分別對各種故障模式下的電路採集多次可及測試節點電壓信號，將每次採集的可及測試節點電壓信號做希爾伯特-黃變換，得到信號的n階固有模態函數分量和希爾伯特邊際譜，求出n階固有模 態函數分量的能量，記為ESp j=l,…，n和希爾伯特邊際譜總能量，記為ES，並由ESj和ES組成判別電路發生哪一類故障的特徵向量，作為BP神經網絡的訓練樣本；
(4)將步驟(2)和(3)中的訓練樣本歸一化後作為輸入向量訓練BP神經網絡；訓練樣本的輸出向量確定方法為設電路有K種故障模式,即模式1、模式2、…、模式j、…、模式K，網絡輸出向量為(yi，i2,…，y」，…，yK)，若電路狀態處於模式j，則令y」=l，其餘為0，網絡輸出向量為(0，0，…，1，…，0);
(5)測量待測電路的可及測試節點的電壓信號，經希爾伯特-黃變換後得到由n階固有模態函數分量的能量ESm，m =1，…，n和希爾伯特邊際譜總能量ES組成的特徵向量，將特徵向量歸一化後輸入步驟(4)中訓練好的BP神經網絡，神經網絡的輸出即可判定故障模式，完成了故障元件的定位。 所述的待測電路的拓撲結構已知。所述的待測電路的輸出端為唯一的可及測試點。給待測電路施加的激勵源為一個不少於三個頻率的多頻複合信號。所述的待測電路的各個元件的容差均為5%。對待測電路進行靈敏度仿真分析，只考慮測試節點電壓靈敏度較高的元件發生故障的情況。所述的軟故障情況為元件參數漂移出標稱值的容差範圍，但不超過標稱值的±50%，假如元件的標稱值為R0 ,容差為5%，元件發生軟故障時的參數為盡! \則
E0tSl R0:1:50% ,E0-R0^ 5 %] u [E0+ R0 :.1:5% , R0 * 15 0%]。
所述的軟故障只會引起電路性能發生退化，而不會引起電路發生功能性故障。實施例其具體過程如下
(I)如圖2所示，選取電晶體單管共射級放大電路驗證本發明的軟故障診斷方法。電晶體單管共射級放大電路的各元件參數的標稱值如圖2所示，元件RL為負載，各個元件參數的容差均為5%，激勵信號為一組幅值42mV/頻率1KHZ、幅值30mV/頻率2. 4KHZ、幅值20mV/頻率0. 8KHZ的複合正弦信號，節點out為輸出測試點。仿真平臺為Multisimll. 0和Matlab7. 11. O。(2)根據被測電路的輸出節點靈敏度分析結果和可能發生的主要元件故障建立由11種故障模式組成的電路狀態模式，加上無故障模式，共有12種電路狀態集合，如表I所表I待測電路各狀態模式下的元件參數值
權利要求
1.一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，步驟如下 (1)根據被測電路的靈敏度分析結果和元件發生故障的概率建立故障模式集合，給定電路各個元件的容差均為5% ； (2)激勵源作用於無故障的非線性模擬電路，提供激勵信號，對電路進行多次容差條件下的蒙特卡羅仿真分析，將每次蒙特卡羅分析的可及測試節點電壓信號做希爾伯特-黃變換，得到可及測試節點電壓信號的η階固有模態函數分量和希爾伯特邊際譜，求出η階固有模態函數分量的能量，記為ESi,其中i=l，…，η,和希爾伯特邊際譜總能量，記為ES，並由ESi和ES組成判別電路無故障的特徵向量，作為BP神經網絡的訓練樣本； (3)激勵源分別作用於各種故障模式下的非線性模擬電路，提供激勵信號，在考慮元件容差的條件下，分別對各種故障模式下的電路採集多次可及測試節點電壓信號，將每次採集的可及測試節點電壓信號做希爾伯特-黃變換，得到信號的η階固有模態函數分量和希爾伯特邊際譜，求出η階固有模態函數分量的能量，記為ESp j=l,…，η和希爾伯特邊際譜總能量，記為ES，並由ESj和ES組成判別電路發生哪一類故障的特徵向量，作為BP神經網絡的訓練樣本； (4)將步驟(2)和(3)中的訓練樣本歸一化後作為輸入向量訓練BP神經網絡；訓練樣本的輸出向量確定方法為設電路有K種故障模式,即模式1、模式2、…、模式j、…、模式K，網絡輸出向量為(yi，ι2,…，y」，…，yK)，若電路狀態處於模式j，則令y」=l，其餘為O，網絡輸出向量為(O, O,…，1，…，O); (5)測量待測電路的可及測試節點的電壓信號，經希爾伯特-黃變換後得到由η階固有模態函數分量的能量ESm，m =1，…，η和希爾伯特邊際譜總能量ES組成的特徵向量，將特徵向量歸一化後輸入步驟(4)中訓練好的BP神經網絡，神經網絡的輸出即可判定故障模式，完成了故障元件的定位。
2.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，待測電路的拓撲結構已知。
3.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，待測電路的輸出端為唯一的可及測試點。
4.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，給待測電路施加的激勵源為一個不少於三個頻率的多頻複合信號。
5.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，待測電路的各個元件的容差均為5%。
6.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於對待測電路進行靈敏度仿真分析，只考慮測試節點電壓靈敏度較高的元件發生故障的情況。
7.根據權利要求1所述的基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法，其特徵在於，所述的軟故障情況為元件參數漂移出標稱值的容差範圍，但不超過標稱值的±50%，假如元件的標稱值為R0 ,容差為5%，元件發生軟故障時的參數為在_ ,則
特徵在於，所述的軟故障只會引起電路性能發生退化，而不會引起電路發生功能性故障。
全文摘要
本發明公開了一種基於希爾伯特-黃變換的非線性模擬電路軟故障診斷方法。給待測電路施加一個交變激勵信號，以電路的輸出端作為可及測試點，通過對輸出電壓信號進行希爾伯特-黃變換，得到輸出電壓信號的n階固有模態函數分量和希爾伯特邊際譜，以固有模態函數分量的能量和希爾伯特邊際譜總能量組成判別故障存在與否的特徵向量。針對各種故障模式，通過仿真訓練BP神經網絡，然後將實際測試得到的特徵向量輸入訓練好的神經網絡，即可定位故障元件。本發明不僅可以診斷單個元件的軟故障，並且可以診斷兩個或三個元件同時發生軟故障的情況，故障診斷率高，且只需一個測試點，診斷條件寬鬆，實用性較強。
文檔編號G06N3/02GK103064008SQ20121057383
公開日2013年4月24日 申請日期2012年12月26日 優先權日2012年12月26日
發明者馬翔楠, 徐正國, 王文海, 孫優賢, 王力, 肖海生, 程崇峰 申請人:浙江大學