[发明专利]基于支持向量分类的功率电子电路健康监测方法

摘要

一种基于支持向量分类的功率电子电路的健康监测方法，属于电路网络测试领域。该方法包括如下步骤：1）对待测的功率电子电路进行可测性分析，确定电路故障的层次、类型和数目并采用软件进行仿真；2）进行离线操作包括数据采集、特征提取、分类器训练和故障字典的构建；3）在进行实际电路的在线监测时，利用可测点采集故障信息，并利用步骤2)中同样的故障特征提取方法实施故障信息压缩和提取，并利用离线操作中的故障字典对该故障样本进行状态决策与状态评估。本发明具有子分类器数目少、方法简便、可靠性高等优点，能够实施功率电子电路的健康评估和未知故障分类，因而可以提高功率电子电路的自动化程度和故障诊断效率。

主权项

一种基于支持向量分类的功率电子电路健康监测方法，其特征在于，包括如下步骤：1）对待测的功率电子电路进行可测性分析，确定电路故障的层次、类型和数目并采用软件进行仿真；2）进行离线操作包括数据采集、故障特征提取、分类器训练和故障字典的构建，所述故障特征提取，采用快速傅里叶分析方法或小波包分析方法；所述分类器训练包括SVDD训练方法，即支持向量机数据描述训练方法和SVC训练方法，即支持向量机分类器训练方法，其中，SVDD训练方法是一种单类分类方法，SVC训练方法是一种多类分类方法，利用SVDD训练方法把健康态的样本和故障态的样本分别进行训练，得到两组训练参数，把两组训练参数依次放入存储器中进行存储，形成两个故障字典，分别称为故障字典Fh和故障字典Ff；SVC的训练是采用M‑ary支持向量机分类器进行训练，这种分类器是一种多分类器，此处把故障态样本进行SVC训练，得到对应的训练参数，把所有的训练参数保存进存储器，即形成了故障字典Fm；3）在进行实际电路的在线监测时，利用可测点采集故障信息，并利用步骤2)中同样的故障特征提取方法实施故障信息压缩和提取，并利用离线操作中的故障字典对该故障样本进行状态决策与状态评估，具体步骤：① 首先调取故障字典Ff，判断样本是否属于有故障状态，如果是，则转向第③，否则，转向步骤②；② 调取故障字典Fh，判断样本是否属于健康态，如果是，则转向第③步，否则，报警产生新故障；③ 调取故障字典Fm，按照前面所述的调整之后的训练结构进行故障定位，并输出所定位的故障模式；④ 状态评估的方法如下：如果当前样本的状态属于健康态，则计算当前的样本与球心距之间的距离distx，并设定一定的阈值，即基线baseline，判断如果distx

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京航空航天大学，未经南京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201110270118.2/，转载请声明来源钻瓜专利网。