一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法

摘要

本发明公开了一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法。给待测电路施加一个交变激励信号，以电路的输出端作为可及测试点，通过对输出电压信号进行希尔伯特-黄变换，得到输出电压信号的n阶固有模态函数分量和希尔伯特边际谱，以固有模态函数分量的能量和希尔伯特边际谱总能量组成判别故障存在与否的特征向量。针对各种故障模式，通过仿真训练BP神经网络，然后将实际测试得到的特征向量输入训练好的神经网络，即可定位故障元件。本发明不仅可以诊断单个元件的软故障，并且可以诊断两个或三个元件同时发生软故障的情况，故障诊断率高，且只需一个测试点，诊断条件宽松，实用性较强。

主权项

一种基于希尔伯特‑黄变换的非线性模拟电路软故障诊断方法，其特征在于，步骤如下：(1)根据待测电路的灵敏度分析结果和元件发生故障的概率建立故障模式集合，给定电路各个元件的容差均为5％；(2)激励源作用于无故障的非线性模拟电路，提供激励信号，对电路进行多次容差条件下的蒙特卡罗仿真分析，将每次蒙特卡罗仿真分析的可及测试节点电压信号做希尔伯特‑黄变换，得到可及测试节点电压信号的n阶固有模态函数分量和希尔伯特边际谱，求出n阶固有模态函数分量的能量，记为ES_i，其中i＝1,…,n，和希尔伯特边际谱总能量，记为ES，并由ES_i和ES组成判别电路无故障的特征向量，作为BP神经网络的训练样本；(3)激励源分别作用于各种故障模式下的非线性模拟电路，提供激励信号，在考虑元件容差的条件下，分别对各种故障模式下的电路采集多次可及测试节点电压信号，将每次采集的可及测试节点电压信号做希尔伯特‑黄变换，得到信号的n阶固有模态函数分量和希尔伯特边际谱，求出n阶固有模态函数分量的能量，记为ES_j，j＝1,…,n和希尔伯特边际谱总能量，记为ES，并由ES_j和ES组成判别电路发生哪一类故障的特征向量，作为BP神经网络的训练样本；(4)将步骤(2)和(3)中的训练样本归一化后作为输入向量训练BP神经网络；训练样本的输出向量确定方法为：设电路有K种故障模式，即模式1、模式2、…、模式j、…、模式K，网络输出向量为(y₁,y₂,…,y_j,…,y_K)，若电路状态处于模式j，则令y_j＝1，其余为0，网络输出向量为(0,0,…,1,…,0)；(5)测量待测电路的可及测试节点的电压信号，经希尔伯特‑黄变换后得到由n阶固有模态函数分量的能量ES_m，m＝1,…,n和希尔伯特边际谱总能量ES组成的特征向量，将特征向量归一化后输入步骤(4)中训练好的BP神经网络，神经网络的输出即可判定故障模式，完成了故障元件的定位。