[发明专利]一种电流频率转换电路的故障诊断方法

说明书

本发明公开了一种电流频率转换电路的故障诊断方法，该方法提出了具有引力搜索策略的灰狼混合优化算法(GSA‑GWO)，并首次提出将该模型应用于IF转换电路的故障诊断中；首先，通过小波包分解对IF转换电路的输出信号进行能量特征提取，有效降低特征向量维度；其次，采用引力搜索的灰狼混合优化算法优化SVM模型参数，建立GSA‑GWO‑SVM故障诊断模型；最后，对IF转换电路进行故障诊断验证实验，并与其他方法进行对比。对比结果表明，该方法相对于传统方法，能更好地提高故障诊断率，缩短诊断所用时间。

技术领域

本发明涉及模拟电子电路故障诊断技术，具体涉及一种基于电流频率转换电路的故障诊断方法。

背景技术

在惯性系统中，陀螺、加速度计等采用电流反馈控制的敏感器件，都是将电流/频率转换电路(I/F转换电路)作为模拟系统向数字系统转换的途径。随着我国惯导事业的迅猛发展，惯性系统的产量不断增加，精度水平也不断提高。I/F转换电路作为惯性系统通用测量模块，也得到了快速的发展。但是，由于模拟信号连续性、电子元器件特有的容差特征以及模拟电路的非线性等一系列不稳定因素，极大地增加了IF转换电路故障发生的概率，电路中元器件发生参数性变化而导致的电力事故及电路板损坏情况屡见不鲜。为了保证惯性导航系统运行时的可靠性和稳定性，对IF转换电路的故障诊断手段的研究显得尤为重要。

目前，已有的故障诊断方法多采用解析模型的方法建立数学模型，通过对比输出响应信号的不同点判断模拟电路是否发生故障，但是，这个过程中需要进行大量计算，而且难以建立较为精确的数学表达式。

发明内容

本发明的目的在于提供一种电流频率转换电路的故障诊断方法。

实现本发明目的的技术解决方案为：一种电流频率转换电路的故障诊断方法，包括以下步骤：

步骤1、信号激励与数据采集：对电流频率转换电路输入0～3mA阶跃电流信号，分别在非线性故障和不同参数故障的情况下采集输出响应信号；

步骤2、特征提取与SVM建模：采用小波包分解得到各层高、低频系数，再利用小波重构的方法对数据进行降维处理，将最优特征子集构造的样本数据作为SVM的特征数据集，建立故障模型；

步骤3、参数优化与实验验证：在原有灰狼算法的基础上，引入引力搜索策略，利用引力搜索的灰狼混合优化算法优化SVM模型参数，并将该模型应用在已有的电流频率转换电路上进行验证。

本发明与现有技术相比，其显著优点如下：(1)采用小波包分析的特征提取方法分别提取高、低频系数能量，得到对应的能量特征矩阵，减小了输入数据维度，大大降低了计算量；(2)采用本发明方法优化后的SVM故障诊断模型比用传统的GWO-SVM算法诊断的SVM模型，具有明显的优化效果，该方法在保证较高正确率的情况下，收敛速度更快，寻优能力更好；(3)将GSA-GWO-SVM模型应用于IF转化电路中，进一步拓宽了IF转换电路的研究内容，具有一定的工程应用价值。

下面结合附图对本发明作进一步详细描述。

附图说明

图1本发明小波包分解系数图。

图2本发明整体方案流程图。

图3本发明IF转换电路故障诊断结果图。

具体实施方式

近些年，受生物群体社会行为的启发，并伴随人工智能领域的迅猛发展，不少学者将智能优化算法引入到模拟电路的故障诊断研究中，包括粒子群优化算法、萤火虫优化算法以及遗传算法等。灰狼算法作为一种新型智能优化算法，相比于其他智能优化算法，具有优化参数少、鲁棒性高的优点，并且在收敛能力和搜索时间等方面均有所提高。