基于小波包分析和二叉树支持向量机的模拟电路故障诊断学位论文.doc

《基于小波包分析和二叉树支持向量机的模拟电路故障诊断学位论文.doc》由会员分享，可在线阅读，更多相关《基于小波包分析和二叉树支持向量机的模拟电路故障诊断学位论文.doc（92页珍藏版）》请在三一办公上搜索。

1、分类号 密 级 U D C 学 位 论 文基于小波包分析和二叉树支持向量机的模拟电路故障诊断系统研究及实现作 者 姓 名 ：指 导 教 师 ： 东北大学信息科学与工程学院电子信息工程研究所申请学位级别：硕 士学 科 类 别 ：工 学学科专业名称：电工理论与新技术论文提交日期：论文答辩日期：学位授予日期：答辩委员会主席：评 阅 人 ：A Thesis for the Degree of Master in Electrical Theory and New TechnologyResearch and Realization of Fault Diagnosis System of Analog

2、 Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector Machinesby Liu JunfangSupervisor : Professor Wang AnnaNortheastern UniversityJanuary 2008独创性声明本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示诚挚的谢意。 学位

3、论文作者签名 ： 签 字 日 期 ： 学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。(如作者和导师同意网上交流，请在下方签名：否则视为不同意)学位论文作者签名 ： 导 师 签 名 ： 签 字 日 期 ： 签 字 日 期 ：毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和

4、致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原

5、创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密

6、论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日基于小波包分析和二叉树支持向量机的模拟电路故障诊断系统研究及实现摘 要模拟电路的可靠性决定了电子设备系统的可靠性，模拟电路故障诊断具有极其重要的现实意义，是电工电子领域的一个前沿研究课题。随着模拟电路不断向大型化、集成化方向发展，电路的复杂性不断提高，故障诊断的难度也随之增大，且一旦发生故障，可能会造成人员和财产的巨大损失。因此，及时准确地预测和检测出电路故障，既可以减少事故，保证系统平稳可靠地运行，同时也可以降低生产成本。基于人工智能的机器学习方法能够构造多类分类学习模型，进行模拟电路故障诊断，是目前研究的热点之一

7、。本文以辽宁省自然科学基金项目“基于支持向量机电气电子系统故障诊断及预测新方法研究”为背景，研究了基于小波包分析和二叉树支持向量机的模拟电路故障诊断方法。针对模拟电路往往有容差，而且不同节点的电压或电流对不同故障敏感的特点，利用PSpice特有的蒙特卡洛分析和最坏情况分析功能，对不同故障状态的信号进行采集。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，本文用小波包变换对电路故障信号进行特征提取。研究了模拟电路输出信号频率成分能

8、量的变化情况和不同故障信号的对应关系，将能量向量作为故障特征向量。针对模拟电路不同故障的特点，提出了最优小波包变换(Optimal Wavelet Packet Transform，OWPT)和不完全小波包变换 (Incomplete Wavelet Packet Transform，IWPT)的信号特征提取方法。实验结果表明，最优小波包变换适合于软故障特征提取，不完全小波包变换适合于硬故障特征提取。最初的支持向量机(Support Vector Machines，SVM)算法是对两类问题进行分类，但模拟电路故障分类大多属于多类分类问题。针对目前常用的基于SVM一对多(1-versus-res

9、t，1-V-r)、一对一(1-versus-1，1-V-1)和决策导向无环图(Decision Directed Acyclic Graph，DDAG)等多类分类算法的不足，本文提出了四种基于分离性测度的二叉树SVMs (Binary Tree Support Vector Machines，BTSVMs)分类方法：偏二叉树SVMs (Slantwise Binary Tree Support Vector Machines, SBTSVMs)、随机二叉树SVMs (Random Binary Tree Support Vector Machines, RBTSVMs)、完全二叉树SVMs (

10、Complete Binary Tree Support Vector Machines, CBTSVMs)和自适应二叉树SVMs (Adaptive Binary Tree Support Vector Machines, ABTASVMs)。所做的模拟电路故障诊断仿真实验表明，本文提出的基于改进二叉树SVMs多类分类算法是可行的，有效地提高了故障诊断准确率和速度。基于Matlab7.04平台，开发了模拟电路故障诊断系统，系统设计了故障诊断的各个模块，实现了基于改进BTSVMs算法的模拟电路故障诊断。 关键词：模拟电路；故障诊断；小波包；支持向量机；二叉树；多类分类Research and

11、Realization of Fault Diagnosis System of Analog Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector Machines AbstractThe reliability of electrical systems depends on that of analog circuits, analog circuits fault diagnosis research is significant and is a forefront subject in the

12、 electronic area. With the manufacture of modern circuits becoming large-scale and integrated, circuits become more and more complex, the complexity of fault diagnosis increases. Once fault occurs, it might cause large casualties and serious economic losses. Therefore, if fault could be detected and

13、 diagnosed in time and accurately, the possibility of accident occurring will be reduced, the systems could run stably and safely and the cost of process management also falls. The fault diagnosis methods based on artificial intelligence and machine learning could construct multi-classification lear

14、ning models and make fault diagnosis, which is a hot research subject. Based on the Liaoning province nature science fund project New methods based on support vector machine study for fault diagnosis and forecast of electric and electron system, the thesis researches fault diagnosis method of analog

15、 circuit based on wavelet packet analysis and binary tree support vector machines.Because analog circuits are usually with tolerances and the voltage and current of different nodes are sensitive to different fault components, the Monte carlo analysis and the Worst case analysis special functions of

16、PSpice are used to collect different fault information. The orthodox wavelet transform (WT) only splits low frequency bands, but wavelet packet transform (WPT) can split low frequency bands and high frequency bands synchronously, so wavelet packet transform is used for fault feature extraction. Then

17、 corresponding relation between energy of each frequency bands and different fault information is studied, energy features are collected as fault samples features. To traits of different faults of analog circuit, two improved methods of feature extraction based on WPT are presented: optimal wavelet

18、packet transforms (OWPT) and incomplete wavelet packet transforms (IWPT). Simulations results show that OWPT method is effective for feature extraction of soft fault diagnosis, and IWPT is effective for feature extraction of hard fault diagnosis.That support vector machine (SVM) is originally design

19、ed for two-class classification, but pattern classification question belongs to multi-classification. Aiming at shorts of several common multi-classification methods based on SVMs: 1-versus-rest (1-V-r), 1-versus-1 (1-V-1) and decision directed acyclic graph (DDAG), four binary-tree support vector m

20、achines (BTSVMs)multi-classification methods are proposed in this paper: slantwise binary tree support vector machines (SBTSVMs), Random binary tree support vector machines (RBTSVMs), completed binary tree support vector machines (CBTSVMs) and adaptive binary tree support vector machines (ABTSVMs).

21、Simulation results show that BTSVMs multi-classifiers are feasible to solve fault diagnosis problem, and obtain high classification precision and speed.With MATLAB 7.04 platform, fault diagnosis system of analog circuits is developed. Several modules of fault diagnosis system are designed and the im

22、proved BTSVMs algorithms are realized.Keywords: Analog Circuit; Fault Diagnosis; Wavelet Packet; Support Vector Machine; Binary Tree; Multi-classification 目 录独创性声明I摘 要IIABSTRACTIV第一章 绪 论11.1 课题研究背景及意义11.2 模拟电路故障诊断技术的发展及研究现状21.3 模拟电路故障诊断方法分类31.4 课题研究所做的主要工作5第二章 模拟电路故障诊断72.1 模拟电路故障诊断的基本概念72.2 常用的模拟电路故

23、障诊断方法82.2.1 测前模拟方法82.2.2 测后模拟法82.2.3 逼近法和人工智能92.3 模拟电路故障诊断的模式识别过程102.4 本章小结12第三章 电路仿真工具PSPICE的分析及应用133.1 PSpice的发展133.2 PSpice的内容143.3 PSpice 的功能介绍和应用分析153.3.1 PSpice 的编程技术153.3.2 PSpice 的特殊分析方法163.4 本章小结18第四章 小波包分析理论及基于小波包分析的信号特征提取方法194.1 小波变换的优点194.2 一维连续小波变换理论204.3 小波函数的选择214.4 小波包理论234.4.1 小波包定义

24、234.4.2 小波包性质244.4.3 小波包的空间分解254.4.4 小波包算法264.5 基于小波包变换的信号特征提取方法264.5.1 最优小波包特征提取方法284.5.2 不完全小波包特征提取方法294.6 本章小结30第五章 基于神经网络和支持向量机的多类分类方法315.1 BP神经网络的基本算法315.2 统计学习理论335.3 支持向量机原理335.4 支持向量机优化算法355.5 多类分类算法375.5.1 一对多分类算法375.5.2 一对一分类算法375.5.3 DDAG分类算法385.6 本章小结38第六章 改进的二叉树支持向量机多类分类算法396.1 二叉树支持向量机

25、396.2 分离性测度416.3 四种改进的基于分离性测度的二叉树SVMs分类方法426.3.1 偏二叉树SVMs分类方法436.3.2 自适应二叉树SVMs分类方法436.3.3 完全二叉树SVMs分类方法446.3.4 随机二叉树SVMs分类方法446.4 本章小结44第七章 模拟电路故障诊断仿真分析和系统设计实现457.1 改进的特征提取方法应用举例1457.1.1 诊断电路457.1.2 故障信号采集467.1.3 用小波变换提取故障特征497.1.4 用不完全小波包变换提取故障特征507.1.5 用最优小波包变换提取故障特征527.1.6 仿真结果与分析537.2 改进的特征提取方法

26、应用举例2547.3 改进的SVMs多类分类方法应用举例1557.3.1 诊断电路557.3.2 故障信号采集567.3.3 故障特征提取567.3.4 仿真结果与分析577.3.5 核函数选择587.4 改进的SVMs多类分类方法应用举例2597.5 基于改进算法的电路故障诊断系统设计及实现607.6 本章小结64第八章 结论与展望658.1 结论658.2 展望65参考文献67致 谢71攻读硕士期间参加的科研工作73攻读硕士期间发表的论文及获奖情况75第一章 绪 论随着模拟电子电路VLSI的崛起和数字/模拟混合电路的普遍使用，对模拟系统的测试和诊断提出了急迫的需求和更高的要求。1.1 课题

27、研究背景及意义随着电子工业的发展，电子设备的复杂性越来越高，据美国的资料显示，即使系统中80%的电路板是数字电路，但80%的故障却出在模拟电路。对这些设备的维修和保养所投入的经费已超过了原先购置这些设备的投资。因此在工业部门，尤其是军工和航天工业部门，对这种复杂设备的维修提出了十分迫切的要求，需要组建自动测试系统(ATE)，增加故障诊断和故障预报的设备，以减轻维修人员的压力，降低维修和保养的费用。模拟电路的故障诊断于60年代首次在军事工业上开始研究，至今无论在理论方法上还是在具体实现上均未完全成熟，一直是困扰着集成电路工业中的一个“瓶颈”问题，因此，模拟电路测试和故障诊断方法研究至关重要。与数

28、字电路相比，模拟电路诊断原理与方法研究的进展缓慢，主要是由于以下原因：(1) 时间和电压的连续特性使得模拟电路比数字电路更易受缺陷的影响。区分故障情况和无故障情况需要多种测试方法；(2) 电路中的元件参数具有很大的离散性，即具有容差，是实施正确诊断的最大困难；(3) 电路中广泛存在非线性问题和反馈回路，增加了故障诊断难度；(4) 电路中输入和输出间的关系复杂并且难于模型化。在数字电路测试中得到成功应用的故障模型并不适用于模拟电路测试。模拟电路测试至今尚缺乏有效与通用的故障模型；(5) 实际的模拟电路中可测电压的节点数目有限，导致可用于故障诊断的信息量不充分，造成故障定位的不确定性和模糊性；(6

29、) 设备的输入激励信号的精度对测试结果的影响至关重要；(7) 模拟电路对环境变化极其敏感，其输出响应不仅易受由制造工艺偏差所引起的元件参数变化的影响，而且易受噪声和热效应等外界环境因数的影响；(8) 由于需要采用不同的方法来测试电路的多种性能参数，因此模拟电路功能测试比较昂贵和费时。此外，测试过程中所需的额外硬件开销较大1。随着国民经济的迅速发展，人们对电子设备的故障有了更新的认识，为了避免或尽量减少由故障引起的经济损失以及对人体造成的伤亡等。对电子设备故障诊断技术的研究已经引起各个国家的足够重视，因此，电子设备故障诊断技术已成为世界范围内的一个研究热点。随时检测电子设备的状态、及早发现并排电

30、子设备可能存在的故障，成为保障电子系统可靠性的重要手段之一，是电子系统中一项具有重大理论和实用价值的课题。模拟电路广泛应用于军工、航天、通讯、自动控制、测量仪表、家用电器等各个方面，现在模拟集成电路已迅速地发展。随着复杂度和密集度不断地增长对模拟电路运行可靠性的要求也日益重要，尤其在军工、航天等部门，对电子设备运行可靠性的要求更为严格。在模拟电路发生故障后，要求能及时将故障诊断出来，以便检修、调试、切换。就模拟电路生产工厂而言，也要求能诊断出故障，以便分析原因，改进工艺，以提高成品合格率。由于以上原因，模拟电路故障诊断的研究引起了人们高度的重视，从 70 年代后期起，世界各国许多电路理论工作者

31、积极投入了这一领域的研究，提出了各种不同的故障诊断原理和办法。近年来，模拟电路故障诊断之所以发展成为个新兴的前沿领域，除了它具有上述的重要实际应用意义外，还由于它具有重要的学术意义2。传统的电路理论包括电路分析和电路综合两个分支，已知电路的拓扑结构和参数，由电路激励求电路响应属于电路分析的范畴；反之，己知电路的输入输出关系，求电路的拓扑结构和参数，属于电路综合的范畴。而模拟电路故障诊断所研究的内容则是当电路的拓扑结构已知，并在一定的电路激励下知道一部分电路的响应，求电路的参数，这是不同于电路分析和电路综合的个新范畴，所以它是近代电路理论中一个新兴的第三分支3。开展这一领域的研究，对促进近代电路

32、理论的发展特有其重要的推动作用。1.2 模拟电路故障诊断技术的发展及研究现状模拟电路故障诊断的主要任务就是在已知网络的拓扑结构、输入激励信号和响应时，求解故障元件的物理位置和参数。要求求解的结果是唯一的，但有时却不能保证，其故障诊断理论的研究是从网络元件参数可解性开始的。1960 年 R.S.Berkowitz 首先提出了关于模拟电路诊断的可解性概念4，指出，一个网络称为元件值可解的，当且仅当它的每个元件能够从其外部端子上测得的网络特性唯一地加以确定，并提出了无源、线性、集总参数网络的网络元件值可解性的必要条件。以此拉开了模拟电路故障诊断理论研究的序幕。从 20 世纪 70 年代起，世界各国的

33、学者发表了许多有关模拟电路故障诊断方面的本文提出了各种不同的原理和方法5，并在 1979 年达到了一个高峰，奠定了模拟电路故障诊断的理论基础。国际电于电气工程师协会电路与系统学报(IEEE Trans.On CAS)为此置办了模拟电路故障诊断特刊，以后，每年电路与系统国际会议都将故障诊断列为一项专题，每年在模拟电路故障诊断领域的研究中都有一些新的进展6-8。1979 年后，模拟电路故障诊断研究主要朝着更实用化的多故障诊断方向发展，因为任意故障诊断方法要求较多的测点，并导致较大的计算量而难以实用化。1985 年 Bandler J. W9,10在 IEEE 上发表了题为模拟电路故障诊断的特邀文章

34、，对到当时为止的模拟电路故障诊断的理论作了全面总结。我国对模拟电路故障诊断理论的研究起步较晚，约到 70 年代末才被较多地引起重视，以后的发展比较快，主要从多故障法和字典法开始起步，主流仍然是研究多故障诊断的方法。从事这方面工作的除了高等院校外，还有科研单位，军事单位等部门。已发表的主要成果有：凌曼亭在有限故障数目预测11和非线性电路故障理论12方面的成果；林争辉在故障诊断中提出了故障激励理论13；熊秉焜提出了块限网络和故障信息正则向量的概念14；赵国南的集成电路在线诊断15；唐人亨在优化方法方面的研究成果16；以及其他人的研究工作成果17,18。90年代以后，人们对故障诊断理论的研究更加深入

35、，各种方法相互渗透和融合，理论应用的领域也有了很大的扩展。参数估计和观测器/滤波器方法仍然是使用最多的故障诊断方法，但使用神经网络、模糊逻辑及组合的故障诊断方法明显的增加，对于非线性系统的故障诊断也有了更多得研究。随着人工智能技术的迅速发展，特别是知识工程、专家系统、人工神经网络、支持向量机在诊断领域中的进一步应用，迫使人们对智能诊断问题进行更加深入与系统的研究。智能诊断技术是当今发达国家研究的热点之一。智能故障诊断方法包括模糊诊断方法、专家系统诊断方法、神经网络诊断方法、混合智能的诊断方法和支持向量机诊断方法等3,4。1.3 模拟电路故障诊断方法分类目前，有关模拟电路故障诊断原理和方法的学术

36、论文里，根据不同的原理，提出了许多故障诊断方法，下面对这些方法从不同的角度加以分类5。(1) 按模拟在测试过程的阶段可分为：如果对电路的仿真是在现场测试之前实施，则称为测前模拟法(Simulation Before Test Approach)，如果对电路的仿真是在现场测试之后实施，则称为测后模拟法(Simulation After Test Approach)。故障诊断的主要计算工作量多集中在对电路做仿真，因此测前(后)模拟法的工作量集中在现场测试之前(后)。显而易见，测前模拟法更容易做实时故障诊断。(2) 按目的可分为：故障检测法、故障定位法和故障识别法。(3) 按模拟形式可分为：故障模拟

37、法和元件模拟法。(4) 按电路性质可分为：线性电路诊断法和非线性电路诊断法、动态电路故障和电阻电路故障诊断法、有源电路故障诊断和无源电路故障诊断法等。(5) 按所用的数学方法可分为：确实法和概率法。(6) 按激励信号类型可分为：工作信号法和仿真信号法，单测试信号法和多测试信号法，以及单频信号法和多频信号法。(7) 按所测量的响应可分为：直流法和交流法、暂态法和稳态法、电流法和电压法。(8) 模拟电路故障诊断最基本的方法分为故障字典(Fault Dictionary)法和故障分析法。故障字典法涉及到产生使元件故障与电压标志相对应的表格，以便在对故障电路进行测试后，按所测激励和响应从上述表格中查询

38、出相应的故障元件。故障字典法是测前模拟诊断的典型方法。故障字典法一般用于单、硬故障的诊断，包括直流字典法、频域字典法、时域字典法6-8。无论何种字典法，基本步骤均为：(1) 根据以往经验和实际需要，明确故障的诊断范围，把最常遇到的一些故障作为一本字典的诊断范围；(2) 辨明各种故障的征兆(为了找出征兆，通常用国际上比较公认的PSpice软件模拟计算电路在各种故障状态下的网络端口特征)，再按便于查找、检索故障的某种方式进行编排，形成故障字典；(3) 诊断时，将电路在同等条件下测试，将测试所得的网络端口特征与故障字典对照，找到故障所在。图 1.1 模拟电路故障诊断方法分类图Fig.1.1 The

39、method classification diagram of analogy circuits测后模拟法的典型方法主要有元件参数识别法和故障验证法7。前者又称故障分析法，故障分析法通过线性电路的方程组把激励和响应与电路元件参数联系起来，以便计算出元件参数值，如果元件参数值的偏移超出允许的容差范围，则就判断该元件发生故障。后者则需要预先猜测电路中的故障所在，然后根据所测数据去验证这种猜测是否吻合，若吻合，则诊断完成。根据预测故障的范围，故障验证法可分为故障法、故障定界法和网络撕裂法等。故障验证法较之元件参数识别法，所需的故障信息少，但对电路的可测试性要求较高。测后模拟法还有估计法，包括最小平

40、方判据法、二次规范法、L1范数法、符号传递函数法等，图1.1为模拟电路故障诊断方法分类图。1.4 课题研究所做的主要工作模拟电路故障诊断的核心是综合实时输出响应信号，对给定环境下的诊断对象进行准确的状态识别和状态预测。故障诊断系统由三个子模块组成：故障信号采集、故障信号特征提取和多类模式分类。目前，智能故障诊断理论和方法的研究虽然取得了较大的成就，但由于机器学习瓶颈问题的制约，对于不确定、随机性强而且知识信息不完备的诊断对象，很难具有较高的智能性。本文针对电路故障诊断中特征参数提取、多类分类等重点问题进行了研究。主要研究内容为：(1) 采集故障信号使用PSpice9.2对测试电路进行仿真模拟，

41、利用其特有的蒙特卡洛分析和灵敏度分析功能，提取了测试电路对应故障模式下输出响应曲线作为故障信号待处理样本。(2) 小波包分析理论因为不同状态的故障信号发生时对应不同的输出响应，而模拟电路输出响应为连续的量，所以需要对故障信号进行特征提取，使处理之后的信号能与不同的故障一一对应。传统的小波变换和多分辨率分析对信号近似部分(低频)做进一步的分解，小波包变换则可以同时对近似部分和细节部分(高频)进行分解，本文系统研究了利用小波包分析对信号进行特征提取的原理与方法，针对模拟电路信号信息的不同特征，提出了两种改进的基于小波包分析的信号处理方法：不完全小波包信号特征提取方法和最优小波包信号特征提取方法。(

42、3) 支持向量机原理本文研究了经验风险最小化原则和结构风险最小化原则、统计学习理论的理论框架和支持向量机的原理与方法。对不同参数优化的支持向量机进行了研究，分析了改善支持向量机性能的方法。(4) 支持向量机多类分类算法支持向量机算法最初是基于两类问题提出的，而实际应用中的诊断类别往往是多类的，因此，如何设计合适的多类算法，提高识别准确率是本文的一个重点研究内容，本文对1-V-r、1-V-1和DDAG等支持向量机多类分类方法分别进行了分析与仿真，总结出较好的多类分类算法，应用于模拟电路故障诊断。(5) 基于小波包的特征提取方法针对模拟电路的软故障和硬故障，分别采用不同的小波包变换特征提取方法，仿

43、真实验证明了不完全小波包变换适合于硬故障特征提取，最优小波包变换则适合于软故障特征提取。 (6) 支持向量机改进算法针对以往支持向量机多类分类算法的优缺点，结合模拟电路故障诊断对实时性和分类精度的特定要求，提出了四种适合模拟电路实时在线故障诊断的新算法基于数据分离性测度的改进二叉树支持向量及多类分类算法：偏二叉树、随机二叉树、完全二叉树和自适应二叉树支持向量机多类分类算法。通过对不同的模拟电路仿真研究，证明了改进的二叉树支持向量机的分类性能均比传统的支持向量机分类性能好，而且针对不同的性能要求应该选用不同的分类方法。 (7) 系统设计及实现基于Matlab7.04开发平台，开发了模拟电路故障诊

44、断系统，系统设计了故障诊断的各个模块，实现了基于改进SVM算法的模拟电路故障诊断。第二章 模拟电路故障诊断2.1 模拟电路故障诊断的基本概念模拟电路发生了故障，就不能达到设计时所规定的功能和指标。电路产生故障的原因有很多，但通常来自设计、制造和使用等三个阶段。设计不当、制造工艺上的缺陷和长期使用过程中的磨损、老化、损耗、疲劳等都是造成故障的原因14,15。模拟电路中的故障从所造成的故障程度可区分为硬故障和软故障。(1)硬故障：指元件的开路和短路失效故障，即故障元件的参数突然发生大的变化。(2)软故障：指元件参数超出预定的容差范围，通常情况下，设备没有完全失效。从故障电路中的同时故障数区分，可分

45、为单故障和多故障。(1)单故障：即电路中只有一个元件发生故障。(2)多故障：即电路中同时有两个或以上的元件发生故障。从故障电路中不同故障的关系来区分，可分为独立故障和从属故障。(1)独立故障：即电路中两个或多个元件发生故障时，彼此不存在因果关系。(2)从属故障：即一个元件发生故障后，导致另一个元件发生故障，这个被诱发的故障称为从属故障。从故障在电路中随时间的表现形式来看，可分为永久性故障和间歇性故障。(1)永久性故障：即故障不能自动恢复原状，例如开路、短路等。(2)间歇性故障：这种故障只是暂时发生，时有时无，例如接触不良等。为了诊断模拟电路中的故障，需要进行故障测试。故障测试可分为在线测试和离

46、线测试。(1)在线测试：测试时不中断被测电路的正常运行。(2)离线测试：测试时中断被测电路的正常运行。在故障测试时，需要有一定的测试信号。测试信号可用于原来的工作信号，但在一般情况下，往往需要另加测试信号，如直流信号、不同频率的交流信号、谐波信号、复杂信号、噪音信号等。故障测试需有一定的测试点，被测电路节点可分为可及节点和不可及节点16。(1)可及节点：即可加入测试信号及测出电路响应的节点。(2)不可及节点：即不可测量的节点。(3)半可及节点：即该节点上可加以电压激励并能测量电压值，但不能加以电流激励及测量电流值。根据对模拟电路故障诊断要求的高低，可分为故障检测、故障定位和故障识别。(1)故障检测：判断被测电路是否存在故障，这是故障诊断的最低要求。(2)故障识别：要求确定故障电路中故障元件的参数值，是故障诊断的最高要求。故障定位：要求确定电路中的故障元件范围，范围可为一子电路元件区域及元件，它对故障诊断的要求介于故障检测及故障识别之间。2.2 常用的模拟电路故障诊断方法随着自然科学的发展，对于企业生产的不同环节产生了