一种模拟电路故障诊断中的测点选择方法

摘要

本发明公开了一种模拟电路故障诊断中的测点选择方法，首先在预先设置的容差范围内，对电路进行故障模拟仿真，得到各故障下各测点的测量数据，然后采用基于启发式图搜索的测点选择算法选择测点，先初始化根节点，将根节点作为目标节点，采用测点集合中的所有测点作为后继节点来扩展目标节点，根据数据标识筛选每个后继节点对应测点的仿真数据，根据筛选出来的住址数据进行模糊组划分，得到模糊组的发生概率，计算每个后继节点的信息熵，选择信息熵最小的节点作为最优节点，并从测点集合中删除，将最优节点作为目标节点，继续进行扩展，直到信息熵为零或测点集合为空。本发明可以从测点优选得到最优测点选择方案，以较少的测点来实现故障诊断。

主权项

一种模拟电路故障诊断中的测点选择方法，其特征在于，包括以下步骤：S1：在预先设置的容差范围内，对电路进行故障模拟仿真，得到无故障下和各故障源单独故障下各测点的测量数据V(n,m,i)，其中，n表示故障s_n的序号，n的取值范围为n＝0,1,2,…,|S|，n＝0表示无故障，|S|表示故障源数量；m表示每个故障下仿真序号，m的取值范围为m＝1,2,…,MC，MC表示仿真次数；i表示测点t_i的序号，i的取值范围为i＝1,2,…,H，H表示测点数量；S2：采用基于启发式图搜索的测点选择算法选择测点，具体步骤包括：S2.1：设置图层次标签l＝0；初始化根节点，根节点对应的信息包括：模糊组测点集合T＝{t₁,t₁,…,t_H}，模糊组中第p个故障第m次仿真的数据标识p的取值范围为1≤p≤|S|+1；将根节点记为目标节点Obj；S2.2：用测点集合T中的所有测点作为后继节点来扩展目标测点节点Obj，图层次标签l＝l+1；S2.3：对于图层l‑1中目标节点Obj的模糊组划分结果，依次选择图层l中各节点对应的测点t_i的仿真数据，对各个大小大于1的模糊组进行进一步划分，计算每个节点对应的信息熵，具体方法为：记原模糊组中故障数量为F，j′＝1,2,…,A_l‑1，A_l‑1表示图层l‑1中目标节点Obj的模糊组数量，根据该模糊组中第f个故障第m次仿真在图层l‑1中的数据标识从测点t_i、故障s_f对应测量数据V(f,m,i)中筛选出数据标识的第m次仿真的测量数据，根据筛选出的测量数据得到测点t_i在F个故障中每个故障下的测量数据极值，共计2F个极值，对极值数据去重，得到Q个极值，将极值作为测量数据的间隔，得到Q‑1个区间j的取值范围为j＝1,2,…,Q‑1；判断筛选出的测点t_i在各故障s_f下的测量数据区间是否与区间相交，如果相交，则将该故障加入对应的模糊组A_j，否则不做任何操作；将最终得到的模糊组A_j中的故障数量记为|A_j|；如果|A_j|＝0，删除该模糊组，否则对于模糊组A_j中第k个故障s_j,k，k的取值范围为1≤k≤|A_j|，如果MC次仿真中第m次仿真对应的测量数据V(s_k,j,m,i)落入模糊组A_j对应的区间设置初始数据标识否则设置初始数据标识分别将每次仿真的初始数据标识与进行与运算，得到图层l中第m次仿真的数据标识根据标识计算模糊组A_j的发生概率Pr_j，计算公式为：${\mathrm{Pr}}_j=\frac{\underset{k=1}{\overset{\left|A_j\right|}{\Sigma }}\underset{m=1}{\overset{\mathrm{MC}}{\Sigma }}{d}_{\mathrm{jkm}}^l}{\left|S\right|\times \mathrm{MC}}$根据各模糊组的发生概率计算测点t_i对应节点的信息熵，计算公式为：$I\left(t_i\right)=\underset{v=1}{\overset{A_{\mathrm{li}}}{\Sigma }}{\mathrm{Pr}}_v\log \left|A_v\right|$其中A_li表示图层l中，选择测点t_i所得到的模糊组总数；S2.4：对于图层l中各节点，选择信息熵最小的测点对应的节点作为最优节点，如果信息熵最小的测点有多个，则任意选择一个；从测点集合T中将测点删除；S2.5：判断最优节点对应测点的信息熵是否等于0或测点集合T是否为空集，当任意一个判断结果为是时，测点选择停止，进入步骤S2.5；否则将最优节点作为目标节点Obj，返回步骤S2.2；S2.5：回溯最优节点至根节点路径中包含的所有节点对应的测点，所得到的测点集即为最优的测点选择方案。