[发明专利]基于粒子群优化的流形SVM模拟电路故障诊断方法

权利要求书

1.基于粒子群优化的流形SVM模拟电路故障诊断方法，其特征在于，包括如下步骤：

1)用软件模拟诊断对象的故障，并测出分类故障的准确率；

2)对于电路中的每一种故障用蒙特卡洛分析，检测故障的特征信号，用小波包分析电路故障信号，基于最优小波熵原则使信号分解具有最大规律性，提取每组信号最优能量值为故障的特征值；

3)对故障分类时，选用考虑到数据内部流形结构的SVM，再使用改进权重的PSO算法对支持向量机中的参数进行寻优，最后将一部分数据进行样本训练，剩余部分进行判别分析，从而得出分类的正确率。

2.如权利要求1所述的方法，其特征在于，在步骤1)中所用到的软件为orcad以及Pspice。

3.如权利要求1所述的方法，其特征在于，步骤2)中提取的电路故障信号的步骤为：

(2-1)将所测量的信号进行3层小波包分解，能够得出8个频带的小波包分解系数；

(2-2)在此基础上构建最优小波树，主要基于最优能量熵：

a.计算出小波树中每个节点的能量熵；

b.从最低一层小波包分解的子空间比较，若两个子空间的熵值小于母空间熵，保留这两个子空间，母空间的熵用这两个子空间的熵之和代替，反之保留母空间，舍弃子空间；

c.最后将剩余最优能量熵的系数重构可得最优小波树，再计算该信号的能量值，作为故障信号的特征值。

4.如权利要求1所述的方法，其特征在于，在步骤3)中对故障分类时，构造SVM时，将样本数据之间的流形结构考虑进去，该具体步骤如下：

3-1).同类数据之间构造一个权重函数来刻画样本数据的流形局部几何结构，其权重函数为：

3-2)设定样本的内类相似度矩阵为：S＝ω(W'-W)ω，其中W_ij为同类的权重函数；

3-3)依此可以得到基于流形结构的类内离散度M＝μS+(1-μ)S_w，对于原始的最优化问题可以描述为；

S.t y_i(W^TX_i+b)≥1-ξ_i i＝1,2...l。

5.如权利要求4所述的方法，其特征在于，在3-3)中将原始问题转化为不等式约束下的优化问题时，存在权重参数β以及惩罚参数C，使用改进的PSO算法对其中的参数进行寻优，其步骤如下：

(1)从样本集中获取数据，产生初始粒子并建立粒子种群；

(2)对获得的粒子种群初始化，设定公式中的一些参数；

(3)选取函数：为适应度函数，计算每个粒子的适应度值，其中y_i和分别代表数据集中真实值和测试值；

(4)通过适应度函数计算粒子的每个适应度值，并依此进行迭代更新个体最优与全局最优位置；

(5)如果迭代次数大于设定的最大次数T_max,或者最终结果小于精度值时，迭代结束，将最优解输出，否则执行步骤(3)。

6.如权利要求1所述的方法，其特征在于，在进行步骤3)中的故障分类时，将所测得特征数据一部分用于训练，剩余的用于分类判别，测得分类的正确率。