[发明专利]一种用于模拟电路故障分类的改进型LSSVM建立方法

权利要求书

1.一种用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，包括如下步骤：

步骤1，对待测电路施加两种激励信号并分别设置相应的故障模式，在经过多次的蒙特卡罗分析后，采集两种激励信号下的输出响应信号分别作为源域辅助数据集和目标域数据集，并对两种输出响应信号做数据预处理；

步骤2，对数据预处理后的两种输出响应信号分别进行小波包分解，提取小波系数的最大绝对值作为故障特征，分别构成训练集样本和测试集样本；

步骤3，在最小二乘支持向量机中引入迁移学习算法，将源域辅助数据集迁移至目标故障训练的目标域数据集中，组成新的目标域数据集，再构建改进后的LSSVM分类器；

步骤4，利用训练集样本和测试集样本对构建的改进后的LSSVM分类器进行训练和测试。

2.根据权利要求1所述的用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，步骤1中，两种激励信号分别为5V、1kHz的正弦波以及10μs、5V的脉冲波。

3.根据权利要求1所述的用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，步骤2中，小波包分解的具体步骤为：将输出响应信号经过一层小波包分解得到第一层的低频信号和高频信号，再分别对第一层的低频信号和高频信号进行分解，分别得到第二层的低频信号和高频信号，持续分解得到第N层小波包分解后的低频信号和高频信号。

4.根据权利要求1所述的用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，步骤2中，提取小波系数的最大绝对值的步骤为：经过N层小波包分解后得到2^N个小波包系数序列，然后选取每个序列中所有数值的绝对值最大的数作为故障特征，最终得到2^N个故障特征。

5.根据权利要求1所述的用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，步骤3中，改进后的LSSVM分类器是在原LSSVM分类器的目标函数中增加源域辅助数据集的误差惩罚项构成的。

6.根据权利要求1所述的用于模拟电路故障分类的改进型LSSVM建立方法，其特征在于，步骤3中，改进后的LSSVM分类器的目标函数为：

式中，w为分类超平面的权重，C_t、C_s分别为目标域数据集和源域辅助数据集的惩罚参数，ξ_i为预测误差，ψ(x_i)为x的非线性映射，b为分类超平面的阈值，n和m分别为目标域和源域数据集的样本个数。