[发明专利]基于信息熵和小波变换的开关电流电路故障字典获取方法

摘要

本发明公开了一种基于信息熵和小波变换的开关电流电路故障字典获取方法，步骤1产生伪随机信号作为测试激励信号；步骤2定义故障模式，步骤3.采集电路的原始响应数据，步骤4.采用Haar小波正交滤波器对原始响应数据进行预处理，得到低频近似信息和高频细节信息；步骤5.计算低频近似信息和高频细节信息的信息熵作为故障特征参数来识别电路各故障模式，步骤6.计算信息熵模糊集构建故障字典；基于故障特征参数获得每种故障模式及正常模式的低频近似信息熵模糊集和高频细节信息熵模糊集；建立用于开关电流电路故障分类的故障字典。本发明构思巧妙，易于实施，仿真证明，相比现有方法，能更准确的区分出各种故障类型。

主权项

一种基于信息熵和小波变换的开关电流电路故障字典获取方法，其特征在于，包括以下步骤：步骤1：产生伪随机信号作为测试激励信号；伪随机信号为伪随机脉冲序列；步骤2：定义故障模式：对开关电流电路进行灵敏度分析，得到元件参数的改变对电网络系统特征的一阶改变，来定位开关电流电路中最有可能发生故障的故障元件；并基于故障元件定位划分故障模式；故障元件的数量为N，则故障模式的种类为2*N个；步骤3：采集开关电流电路的原始响应数据：用伪随机信号激励被测的开关电流电路，用ASIZ软件对被测开关电流电路的各种故障模式及正常模式进行仿真，从开关电流电路的输出端采集到原始响应数据；该原始响应数据为电流数据；步骤4：采用Haar小波正交滤波器对原始响应数据进行预处理；利用Haar小波正交滤波器作为采集序列的预处理系统，得到原始响应数据的低频近似信息和高频细节信息；Haar小波函数用ψ(t)表示，其定义如下:ψ(t)=1for0<t<1/2-1for1/2<t<10otherwise;]]>Haar小波基函数φ(t)是一组分段常值函数组成的函数集，其定义为：Haar正交小波变换等效为一组镜像滤波的过程，即信号通过一个分解高通滤波器和分解低通滤波器，高通滤波器输出原始响应数据的高频分量部分，即细节信息，低通滤波器输出原始响应数据的相对较低的频率分量部分，即近似信息；该滤波分解算法利用降采样的方法即在输出的两点中只取一个数据点，产生两个为原始响应数据长度一半的序列，记为CA和CD；步骤5：故障特征参数提取；分别针对预处理后的原始响应数据计算低频近似信息和高频细节信息的信息熵作为故障特征参数来识别电路各故障模式，信息熵的计算公式为:J(x)＝k1(E{G1(x)})2+k2(E{G2(x)}‑E{G2(v)})2；式中，k1与k2为正常数，v为标准化的高斯变量；式中，和k2＝1/(2‑6/π)；x是预处理后的数据，即步骤4所得到的低频近似信息和高频细节信息；E表示期望值，G1和G2是信息熵的两个函数；步骤6：计算信息熵模糊集构建故障字典；基于故障特征参数获得每种故障模式及正常模式的低频近似信息熵模糊集和高频细节信息熵模糊集；模糊集是晶体管跨导值gm在容差范围为5％或10％变化时所得到的信息熵的变化区间；低频近似信息熵模糊集和高频细节信息熵模糊集均为一个数值区间；正常模式是指电路未发生故障的模式；并给每一种故障模式和正常模式设定一个故障代码；将故障模式、故障代码和故障特征参数以及低频近似信息熵模糊集和高频细节信息熵模糊集作为一组数据列成一个表，如果低频近似信息熵模糊集和高频细节信息熵模糊集足以隔离出所有故障，即用现有信息建立用于开关电流电路故障分类的故障字典；步骤1中，伪随机信号为采用8阶线性反馈移位寄存器产生的255位伪随机序列；步骤2中，采用开关电流电路专业仿真软件ASIZ仿真对电路进行灵敏度分析以定位故障元件；步骤3中，对各种故障模式和正常模式进行时域分析和30次蒙特卡罗分析，同时在电路的输出端以250KHZ的采样频率对故障响应信号进行采样，得到的采样信号为原始响应数据；步骤5中，选取G1(x)＝xexp(‑x2/2)，G2(x)＝|x|，则有J(x)=k1(E{xexp(-x2/2)})2+k2(E{|x|}-2/π)2.]]>