[发明专利]基于PBI的模拟电路故障参数范围识别方法

说明书

本发明公开了一种基于PBI的模拟电路故障参数范围确定方法，将元件参数向量作为遗传算法种群的个体，在生成初始种群的时候，故障元件的参数值在预设的故障取值范围中取值，其余元件在容差范围内取值，遗传算法迭代过程中，采用PBI计算个体适应度值，采用两次遗传算法分别在迭代完成后最后一代种群提取出故障元件参数的上限和上限。本发明结合遗传算法和PBI方法，实现对于故障元件参数范围的精确确定。

技术领域

本发明属于模拟电路故障诊断技术领域，更为具体地讲，涉及一种基于PBI的模拟电路故障参数范围识别方法。

背景技术

在模拟电路工作过程中，元件退化会导致性能退化，及时对元件参数进行估计能够预防功能故障的发生。模拟电路发生故障时，除故障元件外，无故障元件参数是容差范围内的随机数，即所有元件参数都是变量。模拟集成电路测点数目有限，独立测试量的数目往往远远小于元件数目C，因此通过测试量和元件参数只能建立欠定方程组，无法精确计算出故障元件参数值。但是能够根据电路结构(传输函数)和容差范围，获得故障参数一个可能的故障范围。为电路性能退化预测提供支持。假定传输函数H(X)＝x₁x₂，x₁、x₂表示两个元件的参数值，两个元件标称值为10,则标准输出H为100。电路发生故障，测得输出为120，且已知故障源为x₁,则容易得到x₁＝12。考虑到无故障元件x₂容差(容差范围[10(1-0.05),10(1+0.05)])的影响，当x₂为容差下限9.5时，产生120的故障输出的x₁应为12.6；当x₂为容差上限10.5时，产生120的故障输出的x₁应为11.4。即在±5％的容差影响下,x₁在闭区间[11.4,12.6]任意取值都可能得到120的故障输出。当电路结构变得复杂，此闭区间的解析将很难精确计算，即难以确定故障参数范围。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于PBI的模拟电路故障参数范围确定方法，在遗传算法确定故障参数上限或下限过程中，采用PBI计算个体适应度，实现对于故障元件参数范围的精确确定。

为实现上述发明目的，本发明基于PBI的模拟电路故障参数范围确定方法包括以下步骤：

S1：获取模拟电路中元件数量C和各个元件的参数标称值x_iN，i＝1,2,…,C，确定模拟电路在预设测点的传输函数，获取当前故障状态下模拟电路在预设测

点的故障电压相量以及所检测出的故障元件序号c；

S2：基于PBI确定故障元件参数下限，具体步骤包括：

S2.1：将元件参数向量X＝[x₁,x₂,…,x_C]作为遗传算法种群的个体，生成N个个体构成初始种群P，具体方法为：根据需要设置故障元件c的参数值x_c的故障取值范围初始种群P中每个个体中故障元件c的参数值x_c在故障取值范围内取值，其余元件i′的参数x_i′在容差范围[x_i′N×(1-α),x_i′N×(1+α)]内取值，其中x_i′N表示元件i′的参数标称值，i′＝1,2,…,Ci′≠c；

S2.2：初始化迭代次数t＝1；

S2.3：对种群P中的个体进行交叉和变异，得到新种群Q，在交叉和变异过程中需要保证故障元件c的参数值x_c在故障取值范围内取值，非故障元件的参数值在容差范围内取值；

S2.4：将种群P和种群Q进行合并，得到合并种群S，即S＝P∪Q；