基于GSD_SVDD的模拟电路动态在线故障诊断方法

摘要

本发明公开了一种基于GSD_SVDD的模拟电路动态在线故障诊断方法，属于模拟电路故障诊断技术领域。本发明方法在离线测试中使用KFCM算法计算电路每个可测节点的故障分离度值，根据故障分离度值的大小选择最优测试节点集合；在在线诊断过程中，采用基于图谱空间距离正负样本加权的SVDD单类分类方法构建故障诊断模型，并采用分层诊断方法对测试样本进行诊断，同时动态更新故障类库及诊断模型。本发明方法有效的降低了诊断模型的训练和在线诊断时间，确保了在线诊断的实时性要求，提高了故障诊断的精度，并能动态更新诊断模型参数，使诊断系统具有自适应能力。

主权项

基于GSD_SVDD的模拟电路动态在线故障诊断方法，其特征在于，包括以下各步骤：A、从待测电路中选择最优测试节点集合；B、通过步骤A中选择的测试节点采集待测电路的正常样本和故障样本，对采集的样本进行特征提取和降维的预处理，得到训练正常样本集和故障样本集；C、对步骤B得到的训练正常样本集和故障样本集分别使用GSD_SVDD方法进行训练，得到正常类诊断模型和故障类诊断模型；所述GSD_SVDD方法是一种基于图谱空间距离正负样本加权的SVDD单类分类方法，该方法根据训练样本的图谱空间距离，将训练样本分成正、负两类，将训练样本的图谱空间距离作为权值对该训练样本进行加权，并由加权的正、负样本通过求解最小二次规划目标训练得到一个最优空间超球体，该超球体内包含正样本，而负样本位于超球体外，训练时每个样本依据图谱空间距离不同而被赋予不同的惩罚度；D、采集待测电路在线运行的测试样本，进行滤波、特征提取和降维的预处理；E、对步骤D采集的测试样本进行分层故障诊断：首先，用正常类诊断模型判断是否是故障，如果是，则采用故障类诊断模型定位故障类别，并更新样本库和诊断模型。