发明名称 |
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。 |
申请公布号 |
CN101907681A |
申请公布日期 |
2010.12.08 |
申请号 |
CN201010228687.6 |
申请日期 |
2010.07.15 |
申请人 |
南京航空航天大学 |
发明人 |
罗慧;王友仁;崔江 |
分类号 |
G01R31/316(2006.01)I;G06F17/50(2006.01)I |
主分类号 |
G01R31/316(2006.01)I |
代理机构 |
南京经纬专利商标代理有限公司 32200 |
代理人 |
许方 |
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。 |
地址 |
210016 江苏省南京市御道街29号 |