[发明专利]基于遗传算法的模拟电路故障元件参数辨识方法

权利要求书

1.一种基于遗传算法的模拟电路故障元件参数辨识方法，其特征在于，包括以下步骤：

S1：获取模拟电路在D个测点t_d处的传输函数，d＝1,2,…,D；

S2：对模拟电路中进行经测点t进行故障诊断的模糊组分析，为每个模糊组选择一个代表性故障元件，记代表性故障元件的数量为N，记其他非代表性故障元件的数量为M；

S3：设置无故障表示模拟电路中所有故障元件均不发生故障，单故障表示模拟电路发生故障时仅有一个代表性故障元件发生故障，双故障表示模拟电路发生故障时有两个代表性故障元件同时发生故障，记故障类型数量

S4：当需要进行模拟电路故障参数辨识时，在预设的激励信号下测量得到D个测点t_d处的输出电压分别表示输出电压的实部和虚部，j为虚数单位；

S5：以X＝{x₁,…,x_N,x′₁，…,x′_M}作为遗传算法中的个体，其中x_n表示第n个代表性故障元件的参数值，n＝1,2,…,N，x′_m表示第m个非代表性故障元件的参数值，m＝1,2,…,M；对每个故障类型分别生成1个初始分种群p_k，k＝1,2,…,K，在分种群p_k中的每个个体中，将第k个故障类型对应的代表性故障元件的参数值x_n在该代表性故障元件的故障范围内取值，其他故障元件的参数值在容差范围内取值；然后将K个分种群p_k合并，构成种群P，记种群P中个体数量为G；

S6：判断是否达到遗传算法的迭代结束条件，如果是，进入步骤S11，否则进入步骤S7；

S7：对种群P进行交叉和变异操作，得到子种群Q；在进行交叉和变异操作时，需要保证子种群Q中每个个体中至多两个代表性故障元件的参数值位于该代表性故障元件的故障范围，其他故障元件的参数值位于其容差范围；

S8：将种群P和种群Q进行合并，构成种群S，即S＝P∪Q；

S9：将种群S中的每个个体分别代入传输函数，得到预设激励信号下在D个测点t_d处的输出电压U_g,d＝α_g,d+jβ_g,d，α_g,d、β_g,d分别表示输出电压U_g,d的实部和虚部，g＝1,2,…,2G，然后采用以下公式计算第g个个体输出电压与当前模拟电路的输出电压之间的欧式距离D_g：

S10：将种群S中的个体按照其对应的故障类型划分为K个分种群s_k，从每个分种群s_k中筛选出欧式距离最小的个体，将其加入下一代种群P′，并从种群S中删除，得到种群S′；然后从种群S′中优选出G-K个个体，加入下一代种群P′；然后令种群P＝P′，返回步骤S6；

S11：从当前种群中选择欧式距离最小的个体，该个体中参数值位于故障范围内的代表性故障元件即为故障诊断结果，对应参数值即为故障元件参数辨识结果。

2.根据权利要求1所述的模拟电路故障元件参数辨识方法，其特征在于，所述步骤S10中对种群S′进行个体优选的具体方法为：采用锦标赛优选方法对于当前的种群S进行个体优选，得到个优选个体，然后将这些优选个体按照欧式距离进行升序排序，选择前G-K个个体加入下一代种群P′。