[发明专利]基于人工免疫诊断网络的模拟电路故障诊断方法

权利要求书

1.一种基于人工免疫诊断网络的模拟电路故障诊断方法，其特征在于包括以下步骤：

第一步，获取记忆抗体集，

第二步，采集实际待诊断电路的响应信号，提取响应信号的特征值构成新抗原；

第三步，计算新抗原与记忆抗体集中各种故障类型记忆抗体的总亲和力；

第四步，根据新抗原与各种故障类型记忆抗体的总亲和力大小判断待诊断电路的具体故障类型；

其中，第一步中包括以下步骤：

S1、提取训练样本中电路响应信号的特征值，构成训练抗原集；

S2、对每种故障类型的训练抗原分别进行有导师的数据聚类，得到记忆抗体集；

步骤S1中的训练抗原集，用3维矩阵X_p×m×n表示，p为待诊断电路的总故障类型数量，m为训练抗原数量，n为电路响应信号的特征值数量；

步骤S2中对每种故障类型的训练抗原分别利用一个aiNet免疫网络进行有导师的数据聚类，即以矩阵X的第一维为基准，利用p个aiNet并行处理，完成有导师的学习过程，得到记忆抗体集，记为A_p×m’×n，m’为相应的记忆抗体数量最大值；

步骤S2包括以下步骤：

S2.1设定算法参数，并初始化记忆抗体集，随机产生M个非记忆抗体，并任意选择一定数量的抗原构成记忆抗体集A_i，1≤i≤p，然后对记忆抗体集进行净化，删除抗体集中亲和力大于网络抑制阈值σ_s的记忆抗体；

S2.2选择电路第i种故障类型的抗原子集X_i，1≤i≤p，对该种故障类型中的抗原进行训练，完成后选择电路下一种故障类型并对该种故障类型中的抗原进行训练，直至对电路所有故障类型的抗原进行训练，从而完成AIDN进化的一代；

S2.3增加进化代数，重新随机产生一定数量的新抗体加入抗体集，重复步骤S2.2进行下一代进化；每一代进化后，计算每种故障类型所有抗原与所有记忆抗体间的平均亲和力，直至训练过程满足停止准则，即达到预设的最大进化代数n_max，或者平均亲和力连续k代进化未得到改善；最后得到总记忆抗体集A∈R^p×m’×n，其中p为电路的故障类型数量，m’为相应记忆抗体数量的最大值，n为故障特征值数量；

步骤S2.2包括以下步骤：

步骤1：选择电路第i种故障类型的抗原子集X_i，其中i表示电路的第i种故障类型，1≤i≤p，执行以下步骤；

步骤1.1：选择该故障类型中的一个抗原x_ij，其中其中j表示电路的j个记忆抗体，1≤i≤p，1≤j≤m，执行以下步骤；

步骤1.1.1：计算亲和力；根据式(1)计算抗原与记忆抗体集中每个抗体的亲和力，对于一个抗原x和一个抗体a，定义它们的亲和力函数为：

f(x,a)＝(1+||x-a||)^-1 (1)

式中，||x-a||表示抗体-抗原的欧氏距离，距离越小，亲和力越大；

步骤1.1.2：选择高亲和力抗体；选择亲和力最高的N_best个抗体，准备进行克隆和变异；

步骤1.1.3：抗体克隆；对亲和力最高的N_best个抗体进行克隆，根据式(2)进行，克隆总数为N_c，得到克隆抗体集

式中，round表示取整操作，C_r是克隆率，f是亲和力；克隆按照亲和力越高，抗体克隆规模越大的原则进行；

步骤1.1.4：抗体变异；对克隆后的抗体进行变异，根据式(3)进行，得到变异抗体集

a′＝a-α·(a-x_ij) (3)

α＝b·sig(||a-x_ij||) (4)

式中，a表示一个记忆抗体，a’表示变异后的抗体，所有变异后的抗体组成变异抗体集A_p，α是学习率，或称变异率，其值根据式(4)确定，b是(0,1)之间的随机数，sig表示模糊sigmoid函数，即sig(x)＝1/(1+e^-x)；

步骤1.1.5：计算抗原x_ij与变异抗体集A_p中每个抗体的亲和力；

步骤1.1.6：选择高亲和力抗体；选择亲和力最高的ξ％个抗体作为该抗原的过渡抗体集A_q；

步骤1.1.7：计算过渡抗体集A_q中抗体与抗体之间的亲和力；

步骤1.1.8：克隆抑制；删除过渡抗体集A_q中亲和力大于克隆抑制阈值σ_d的记忆抗体；

步骤1.1.9：选择成熟抗体加入记忆抗体集；过渡抗体集A_q中克隆抑制后剩余的抗体便是亲和力成熟抗体，将它们加入记忆抗体集A_i中；

步骤1.2：选择下一个抗原，重复步骤1.1.1-1.1.9，直至对该种故障类型中的每个抗原进行训练；

步骤1.3：网络抑制，删除记忆抗体集中亲和力大于网络抑制阈值σ_s的记忆抗体，以减少记忆抗体之间的相似度，从而减少故障定位过程的计算量，至此完成电路第i种故障类型的训练；

步骤2：选择电路下一种故障类型，重复步骤1.1-1.3，直至对电路所有故障类型的抗原进行训练，完成AIDN进化的一代。