[发明专利]一种基于改进型克隆选择算法的模拟电路故障诊断方法

摘要

本发明公开了一种基于改进型克隆选择算法的模拟电路故障诊断方法。首先，取消原判定算法根据经验确定各故障所属的诊断半径的判决规则，采用最小欧式距离作为诊断判决条件。这样不仅能消除了拒分、减少误分，还能减少多分，提高故障诊断率。其次，修改亲和度计算公式，用f＝1/(1+d)替换原来公式f＝1/d。以此，避免计算溢出，而且也将亲和度规范在固定范围(0，1]，这样计算方便，亲和度的可比性也更强。最后，修改总体亲和度的计算方式，用种群中全部个体亲和度的平均值表示，替换之前按种群全部个体亲和度总和表示的方法。改进后的克隆选择算法已经应用于模拟电路故障诊断中，并表现出了优越的性能。

主权项

一种基于改进型克隆选择算法的模拟电路故障诊断方法，其特征在于，包括：步骤一、提取训练样本；令被测模拟电路处于各种状态；在每种状态下，从被测模拟电路的M个节点提取的特征值，每个节点提取n种类型的特征值；则一个节点的n种类型特征值构成一个个体，表示为A＝{a1，a2，…，an}，M个个体组成一个训练样本；每种状态下多次提取训练样本；步骤二、知识训练；步骤21、选择一个训练样本，构成抗体种群SM，抗体种群规模为M；步骤22、求取所述抗体种群SM的种群中心O＝{o1，o2，…，on}，其中，种群中心O的分量oi由抗体种群SM中所有个体的对应分量ai进行平均值计算得到，i＝1,2,…,n；然后采用公式(1)计算抗体种群SM中每个个体的亲和力：其中，为个体与种群中心之间的曼哈坦距离；步骤23、对抗体种群SM进行选择和抑制，获得新的群体SN；步骤24、对群体SN进行比例克隆，生成临时克隆群体C；其中，群体SN中各个体的克隆规模取个体亲和力的对数函数；步骤25、对临时克隆群体C进行选择变异，生成成熟的克隆群体C*；步骤26、对成熟的克隆群体C*进行选择替换，得到更新后的群体SN；步骤27、重复执行步骤24到步骤26的迭代过程，直至两次迭代的群体SN的总体亲和度的差别达到阈值HT则停止迭代；其中，总体亲和度采用群体SN中全部个体亲和力的平均值表示；步骤28、获取最终群体SN的中心，即最优聚类中心；对于每个训练样本，都经过步骤21至步骤27得到多个最优聚类中心，每个最优聚类中心对应一个状态，知识训练结束；步骤三、故障诊断；提取被测模拟电路处于待诊断状态时的测试样本，获取测试样本与所有最优聚类中心之间的曼哈坦距离，将故障诊断结果定位至与最小曼哈坦距离对应的状态类型。