[发明专利]基于优化矩阵随机森林算法的模拟电路故障诊断方法

说明书

本发明公开了基于优化矩阵随机森林算法的模拟电路故障诊断方法，包括1）通过电路原理图完成仿真实验，测量出不同设定值元器件的原始数据；2）将测量的原始数据做局部均值分解，得到一个优化后的矩阵；3）将优化后的矩阵进行运算，得到降维后的输出电压矩阵；4）将步骤3）得到的输出电压矩阵进行均等划分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；5）将步骤4）中的测试集数据输入到步骤4）已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算，得到故障诊断率。本方法是使用一种算法完成了特征提取和特征分类，在节约大量时间的同时也节约了测试成本。

技术领域

本发明涉及模拟电路故障诊断领域，尤其是模拟电路故障特征提取和特征分类，具体涉及基于优化矩阵随机森林算法的模拟电路故障诊断方法。

背景技术

随着科技和时代不断在进步，模拟电路在越来越多的领域被运用，但是随着它的运用在逐渐增多，模拟电路会出现很多的故障等一系列问题，所以对模拟电路故障诊断的研究在当今是十分有必要的。模拟电路故障诊断中最重要的就是特征提取和特征分类两部分，特征提取和特征分类有很多种方法，一种好的特征提取能够为诊断节约大量的时间并且可以节约测试成本，特征提取方法有很多种，如小波变换，粒子群，随机森林(RandomForest，简称RF)算法等方法，这些方法都没有一种能成熟地运用在模拟电路故障诊断的实际电路中，由于模拟电路原件存在5％的容差性问题，导致各个故障间提取的特征差异性减小，所以现有的模拟电路故障诊断方法是使用特征提取和特征分类两个算法相结合来共同完成，这样大大地增加了诊断的时间，效率较低。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于优化矩阵随机森林算法的模拟电路故障诊断方法，解决电路元件容差性的问题，且其提取的特征各故障间的差异性大，同种故障间的相似度低，提高故障诊断率。

实现本发明目的的技术方案为：

基于优化矩阵随机森林算法的模拟电路故障诊断方法，包括以下步骤：

1)通过电路原理图完成仿真实验，并且测量出不同设定值元器件的原始数据；

2)将测量的原始数据做局部均值分解，得到一个优化后的矩阵；

3)将优化后的矩阵在MATLAB中运用RF算法进行运算，得到降维后的输出电压矩阵；

4)将步骤3)所得到的输出电压矩阵进行均等划分，将输出电压矩阵平均分成两部分，一部分作为训练集，用来得到决策树参数的最优解；另一部分作为测试集；

5)将步骤4)中的测试集数据输入到步骤4)已经训练好的寻找到最优解的决策树，通过已经获得最优解参数的随机森林算法，得到故障诊断率。

进一步地，步骤1)，用Cadence软件对Sallen_Key电路和对数放大电路进行瞬态分析和蒙特卡洛分析，通过故障的设定值，将得到的数据一半作为训练集，一半作为测试集；训练集拥有较多的训练数据能提高诊断率。

进一步地，步骤2)，局部均值分解为输出矩阵提供一个特征更加优化矩阵，局部均值分解如下：随着时间的不同，输出电压值设为函数v(t)，将测量好的电压值排列起来，通过局部均值分解原理基于式(1)(2)(3)得到m_i，n_i，H_i，基于式(4)再通过对H(t)进行一个解调处理，最终得到f(t)，f(t)分母中的ε是使分母不为0，然后将得到的f(t)函数的值重新排列，组成新的矩阵，得到一个优化矩阵，将最终得到的矩阵送入到随机森林算法中进行特征提取；

H_i＝v_i-m_i (3)