非线性模拟电路诊断激励的退火遗传优化方法

摘要

非线性模拟电路诊断激励的退火遗传优化方法。模拟电路普遍存在的非线性及软故障等难以诊断的特性，使得它的故障诊断理论和方法还很不完善，在一定程度上成为制约集成电路测试的瓶颈。本发明，先确定被测非线性模拟电路的各种状态；各状态的被测非线性模拟电路施加多频激励信号，同时对输入、输出信号进行测量，得到采样数据序列，经过数据处理得到被测电路各故障状态下对应的前n阶沃尔特拉Volterra频域核；把测试激励信号的参数选择作为优化问题，以某一激励信号下各种故障状态的响应的集总欧氏距离作为对该信号的评价函数，用退火遗传优化方法进行测试激励信号的优化，最终得到优化了的激励信号参数。本发明用于电子线路的故障诊断。

主权项

1.一种非线性模拟电路诊断激励的退火遗传优化方法，其特征是：（1）首先确定被测非线性模拟电路的正常工作状态和各种故障状态；（2）向处于所述的各种故障状态的被测非线性模拟电路施加多频激励信号，同时对输入、输出信号进行测量，得到采样数据序列，经过数据处理得到被测非线性模拟电路的对应的前n阶沃尔特拉Volterra频域核； （3）把测试激励信号的参数选择作为优化问题，以某一激励信号下各种故障状态的响应的集总欧氏距离作为对该信号的评价函数，将模拟退火算法和遗传算法两者结合，用退火遗传优化方法进行测试激励信号的优化，最终由寻优结果得到优化了的激励信号参数；其中，步骤(3)中，优化测试激励信号按如下方法进行：(a) 优化过程初始化；确定温度范围，且置初始温度T₀为较高值；随机产生个体数为M的初始群体的初始状态x（i）；确定退火策略，其具体策略是：T＝T₀-βe^k，式中，T 为温度，T₀为初始温度，β为一常数，k为控制因子；确定群体的适应度函数计算方法；遗传的最大世代数和群体稳定阈值以及交叉率的初始参数p_ch、 p_cl和变异率的初始参数 p_mh、 p_ml；(b) 对整个群体进行扰动更新；设Δx为很小的均匀分布的随机扰动，计算新状态函数x^f(i)=x(i)+ Δx(i)；计算原状态适应度函数与新状态的适应度函数的差ΔJ(i)=J^f(i)-J(i)，其中i表示群体中的某个个体；(c) 新状态接受判别；如果ΔJ(i)＞0，则接受为新的状态，否则，依据美特阿布雷斯Metropolis准则以概率接受，其中，k为波尔兹曼Boltzmann常数，温度为T；实际操作时产生0到1之间的随机数α，如果P(ΔJ(i)) ＞α，则接受x^f(i)为新状态，否则保持原状态x(i)；(d) 重复(b)、(c)，直到达到平衡状态；(e) 按(a)确定的退火策略降低温度T，重复(b)、(c)，直到温度T降到步骤（a）设定的温度范围中的低温值，得到初始精英团队；(f) 选择：从初始精英团队中按用轮盘选种法选出N个个体组成精英群体，适应度大的个体被选中的概率大；(g) 交叉：从得到的精英群体中按P_c^t随机地选择两个可交叉的个体作为父代，随机选择杂交位置，采用一点或两点杂交法进行杂交；为了避免搜索发散或陷入局部最小，需要保护种群中适应度高的个体，采用自适应调整P_c^t，即对高适应度的降低交叉率，而对低适应度的则提高交叉率，其具体策略是：其中，J_c^t为交叉两个体中较大的适应度值，t表示当前种群的代数，J_max^t为当前种群中个体的最大适应度值，J_avg^t为当前种群中个体的平均适应度值，p_ch和p_cl为给定的参数，且1＞p_ch＞p_cl＞0；(h)变异：以此操作进一步保证能搜索到空间的任一点，提高算法的全局搜索能力；采用较小的自适应调节变异率P_m，方法同P_c^t；(i)结束判别：若群体稳定性满足(a)设定的群体稳定阈值或世代数超过给定的上限，则结束，并输出优化结果；否则转(f)。2. 根据权利要求1所述的非线性模拟电路诊断激励的退火遗传优化方法，其特征是：步骤（2）中，各故障状态的前n阶沃尔特拉Volterra频域核通过下述步骤求得：(a) 使被测非线性模拟电路处于故障状态1;(b) 对上述电路施加多频信号作为输入信号，并同时对输入、输出信号进行测量，得到采样序列数据，并利用多维傅里叶变换得到前n阶沃尔特拉Volterra频域核k₁₀,k₁₁,k₁₂,k₁₃…k_1n;(c) 依次使被测非线性模拟电路处于故障状态2，3，…m,重复步骤（b），得到各种状态的沃尔特拉Volterra频域核k_i0,k_i1,k_i2,k_i3…k_in,其中，i=1,2，3，…m。