【毕业学位论文】基于优化机器学习算法的模拟电路故障诊断研究-电路理论及故障诊断技术博士论文

学校代号 10532 学 号 分 类 号 密 级 公 开 博士学位论文 基于优化机器学习算法的模拟电路故障诊断研究 学位申请人姓名 李晴 培 养 单 位 电气与信息工程学院 导师姓名及职称 何怡刚 教授 学 科 专 业 电气工程 研 究 方 向 电路理论及故障诊断技术 论 文 提 交 日 期 2013 年 6 月 3 日 学校代号 ： 10532 学 号 ： 级 ： 公开 湖南大学博士学位论文 基于优化机器学习算法的模拟电路故障诊断研究 学位申请人姓名： 李晴 导师姓名及职称： 何怡刚 教授 培养单 位 ： 电气与信息工程学院 专业名 称 ： 电气工程 论文提交日 期 ： 2013 年 6 月 3 日 论文答辩日 期 ： 2013 年 10 月 15 日 答辩委员会主席： 罗安 教授 I 005 A in of in e 013博士学位论文 要 模拟电路故障诊断理论和方法的研究是目前研究的热门课题。现代电子技术正在日新月异的 高速发展 ，电路 规模和结构日 趋模块化和功能化，给 模拟电路故障诊断提出了新的更具挑战性的要求 。 从本质上来看， 模拟电路 的 故障诊断问题 ，属于一种 模式识别问题。当前，模拟电路故障诊断 研究 中的两大问题是 如何提取 信号特征和 如何建立 诊断机的问题。小波理论的出现和发展，机器学习算法的日益成熟，使得利用小波对故障信号进行预处理，再利用机器学习算法来进行故障诊断成为 有效和值得研究 的 解决方法 ，为模拟电路的故障诊断提供了新的有效途径。神经网络和支持向量机均为机器学习领域非常流行的方法。神经网络的优化 原理 是基于经验风险最小化， 缺点是 易陷入局部最优，但 在处理 大样本情况时性能很好 ；而 支持向量机有严格的理论和数学基础，基于结构风险最小化原则 , 泛化能力优于前者，且算法具有全局最优性 , 但目前 主要 是 一种 针对小样本统计的理论 算法 。因此本文在对遗传免疫算法、蚁群算法、小波分析、神经网络和支持向量机进行研究的基础上，深入 探讨 了模拟电路故障诊断神经网络方法和向量机方法存在的问题，提出一些新的融合算法用于对故障诊断分类器进行优化 。而利用小波分析作为神经网络的预处理手段，进行信号的前置处理也是目前研究的热点，可以 更好的 提取故障信号的特征向量。 适用 合适的特征向量输入分类器进行故障诊断，可以提高诊断速度并 得到更高的诊断正确率。基于此，本文也提出一种新的故障特征小波提取方法，并在实例中将得到的故障特征值输入神经网络完成故障诊断。 本文最后还介绍了基于模拟电路故障诊断神经网络理论而研发的自动测试与诊断系统装备的相关技术方案 ，完成了模拟电路故障诊断神经网络方法从理论到实践的完整过程 。本文的主要内容和创新点主要体现在以下几个方面： 分析和阐述了神经网络各种学习规则及用算法原理的基础上，着重介绍了 络和 络，以及使用神经网络进行模拟电路故障诊断的方法 ， 并详细分析和 比较了两者各自的优缺点和适用的场合 。 并提出新的故障特征提取方法 。 小波的突出优点，是 有良好 的 时频局部性 ，因此，可将小波作为故障诊断 信号的预处理器 ， 先利用小波变换来对电路测试节点的电压信号进行消噪和分解 。本文针对 分解后的小波系数 ，提出一种提取故障特征的方法，即小波系博士学位论文 各分量均方根法。具体操作方法是对消噪和分解后的信号进行小波变换，分别计算其 小波系数 各分量 的均方根 ，然后 再 进行主元分析与归一化处理 ，将得到的数据作为故障特征 ， 对 神经网络 进行训练，再用训练后的神经网络 来 进行 故障 分类 ， 完成故障诊断过程。 本文通过诊断实例对此方法进行了详细阐述，并通过诊断结果验证了方法的有效性和实用性。 种 新的模拟电路故障诊断的优化神经网络方法。本文针对 络核函数参数难以选择的缺点，提出一种 新的优化算法 免疫蚁群算法 ，并将其用于 络 参数的寻优过程。接下来 将 通过 优化 得到 的 络用于模拟电路故障诊断 ，通过实例给出详细的训练算法 。该方法在对免疫算 法、蚁群算法进行深入研究的基础上，提出使用注入免疫因子的蚁群 来实现对 络核函数参数的寻优 ，新算法引入 免疫算法的 “ 抗体浓度 ” 概念，使算法既具有全局搜索的能力，又提高了收敛性能 ， 在充分搜索寻优空间的同时，提高算法的运行时间。本文 对免疫蚁群 算法 和传统算法 进行 了 比较，并 通过诊断实例将免疫蚁群算法用于优化 经网络。 实例证明 ,同 遗传神经网络 进行比较，这种 新的免疫 蚁群 以在更快的 收敛速度 下得到更高的 诊断正确率。 4. 研究了支持向量机（ 做分类器的一般方法和过程，并提出了一种基于改进蚁群算法对向量机 核 函数进行优化的算法。支持向量机有扎实的理论基础，和传 统的神经网络相比，算法的效率和精度都比较高。但 前在处理海量数据和多分类问题时还存在一些困难，尤其是目前尚无成熟完善的理论来指导选择对分类器性能起关键作用的参数。基于此，本章提出了利用改进 蚁群 算法进行 函数参数的寻优，利用 蚁群 算法的良好优化性能，减少 训练量，再用 成故障分类器，达到对故障进行快速诊断的目的。本章最后给出了将优化后的 用于模拟电路故障诊断的仿真实例，并与使用传统双线性搜索法得到参数的 障诊断进行了比较，证明了此方法的有效性、合理性和性能优势。 5、描述基于 制的自动测试与诊断系统 (技术方案。 在模拟电路故障诊断理论与方法的指导下，本文介绍了系统的测试原理，硬件结构和软件实现，给出了基于 制的主板模块、激励源模块、数字测试模块、 块的基本原理以及硬软件实现方案。 关键词：模拟电路；故障诊断；支持向量机；神经网络；小波变换；遗传算法；免疫算法；蚁群算法 基于优化机器学习算法的模拟电路故障诊断研究 is a of of a of is a in to to a of a its a to to to do a to of in of is NN a in is to VM is ,VM a N. at is a on on NN in N of At a of NN is of as 1. of is on N in of in of is in in 博士学位论文 V 2. A is on of is we as a to do of of of to In a on of of is MS is as of to of is 3. A of is to of to BF a on is on of of to at it of in a in in is by It 4. A is to in is in N. VM on is no to An is to To be as is by 5. of to do is of SP C, 基于优化机器学习算法的模拟电路故障诊断研究 VI in 博士学位论文 录学位 论文 原创性 声明 . I 摘 要 . . 录 . 图索引 . X 附表索引 . 1 章 绪 论 . 1 拟电路故障诊断技术研究的背景 . 1 拟电路故障诊断方法的研究意 义 . 1 拟电路故障诊断方法的研究现状 . 3 文的主要研究内容及结构安排 . 6 第 2 章 模拟电路故障诊断的神经网络方 法 . 8 言 . 8 工神经网络基本研究 . 8 经网络的研究概述 . 8 经网络的发展与在模拟电路故障诊断中的应用 . 9 经网络的分类 . 10 经网络的性能和学习规则 . 11 P 神经网络的研究 . 13 P 神经网络结构模型和学习规则 . 13 统 法的局限性 . 17 P 神经网络在模拟电路故障诊断中的应用 . 17 经网络的研究 . 18 经网络模型及算法 . 19 络在模拟电路故障诊断中的设计 . 21 P 神经网络和 经网络的比较 . 24 络结构 . 24 练时间 . 24 本数量 . 24 近性能 . 25 章小结 . 25 第 3 章 . 模拟电路故障诊断的小波神经网络法 . 27 言 . 27 波理论研究 . 27 波理论概述与基本概念 . 27 波算法 . 29 波基的选择 . 30 波分解与小波包 . 32 拟电路故障诊断的小波神经网络方法 . 34 基于优化机器学习算法的模拟电路故障诊断研究 小 波神经网络用于模拟电路故障诊断 . 34 于小波系数均方根的故障特征提取方法 . 断实例 . 36 章小结 . 43 第 4 章 模拟电路故障诊断的优化神经网络方法 . 44 言 . 44 疫算法 . 45 疫算法概述 . 45 疫算法相关概念 . 45 疫算法的分类 . 46 疫遗传算法原理 . 47 群算法 . 48 本概念与算法特点 . 48 本原理与算法规则 . 49 例 . 51 于免疫蚁群 络的模拟电路故障诊断 . 52 的融合算法 免疫蚁群算法 . 52 疫蚁群优化的 络用于模拟电路故障诊断 . 54 经网络的建立 . 54 于优化 络的模拟电路故障诊断 . 55 经网络的优化实例 . 57 本蚂蚁算法（ 优化过程 . 57 优化过程 . 57 化 络的模拟电路故障诊断实例 . 58 例一 . 58 例二 . 61 章小结 . 65 第 5 章 基于改进蚂蚁算法优化的支持向量机故障诊断方法 . 66 言 . 66 持向量机概述 . 66 持向量机基本原理 . 66 函数和 . 68 持向量机与神经网络 . 70 于模拟电路故障诊断 . 70 进蚂蚁算法 . 71 化 于模拟电路故障诊断 . 72 算机仿真实例 . 74 章小结 . 79 第 6 章 基于 制的神经网络自动测试与诊断系统 . 81 言 . 81 验装置系统的组成与基本功能 . 82 博士学位论文 试与诊断系统的设计 . 84 述 . 84 于 理器的 计 . 85 信模块的设计与实现 . 87 信模块的硬件组成 . 87 信模块的软件设计 . 88 励源模块的设计与实现 . 90 字测试模块设计与实现 . 92 字测试模块设计原理 . 92 字测试模块硬件组成 . 93 字测试模块软件设计 . 94 拟测试模块设计与实现 . 95 拟测试模块设计原理 . 95 立故障字典 . 97 拟测试模块硬件结构 . 97 试模块的设计与实现 . 98 统 试存在的问题 . 98 测试仪中 设计实现 . 98 章小结 . 100 结论 . 101 参考文献 . 103 致 谢 . 112 附录 A 攻读学位期间的主要成果 . 113 附录 B 攻读学位期间参与的科研课题 . 114 基于优化机器学习算法的模拟电路故障诊断研究 X 插图索引 图 型神经元