[发明专利]基于改进遗传算法的模拟电路多故障诊断方法

摘要

本发明公开了一种基于改进遗传算法的模拟电路多故障诊断方法，首先分析得到模拟电路在不同测点处的传输函数，测量得到模拟电路在不同频率激励信号下这些测点处的输出电压，构成故障输出电压向量，将元件参数值向量作为遗传算法中的个体，在进行个体交叉时，根据个体中故障元件数量分不同情况选择交叉位置，将最后一代种群中最优个体中参数值位于故障范围内的代表性故障元件作为故障诊断结果。本发明利用遗传算法找到与模拟电路故障输出电压向量最接近的输出电压向量，从而得到故障诊断结果，对个体交叉的方法进行改进以提高遗传算法的效率。采用本发明可以能够找到事前没有存储的故障源，提高故障诊断准确率。

主权项

1.一种基于改进遗传算法的模拟电路多故障诊断方法，其特征在于，包括以下步骤：S1：获取模拟电路在M个测点t_m处的传输函数，m＝1,2,…,M；S2：当模拟电路出现故障时，在K个不同频率激励信号下测量得到M个测点t_m处的输出电压分别表示输出电压的实部和虚部，j为虚数单位，k＝1,2,…,K，构成故障输出电压向量S3：以X＝{x₁,x₂,…,x_N}作为遗传算法中的个体，其中x_n表示第n个元件的参数值，n＝1,2,…,N；随机初始化G个个体构成初始种群P，每个个体中中随机选择h个元件的参数值在故障范围内随机取值，h≤H，H表示模拟电路中最多同时发生故障的元件数量，其余元件参数值在容差范围内随机取值；S4：判断是否达到遗传算法的迭代结束条件，如果是，进入步骤S10，否则进入步骤S5；S5：对种群P中的个体进行交叉操作，得到种群P′，交叉操作的具体方法如下：将种群P中需要进行交叉的两个个体分别记为p_i和p_j，个体中故障元件数量分别记为λ_i和λ_j；当λ_i+λ_j＜H，任意选择交叉位置；当λ_i+λ_j＝H且λ_i×λ_j＝0，在包含故障元件的个体中任意选择一个故障元件作为交叉位置；当λ_i+λ_j＝H且λ_i×λ_j≠0，统计得到个体p_i和p_j中参数值超过容差范围的故障元件集合φ，记元件集合φ中的元件数量为|φ|，如果|φ|＜H，任意选择交叉位置，如果|φ|＝H，任意选择故障元件集合φ中的一个故障元件作为交叉位置；当H＜λ_i+λ_j≤2H，统计得到个体p_i和p_j中参数值超过容差范围的故障元件集合φ，记元件集合φ中的元件数量为|φ|，如果|φ|＜λ_i+λ_j，则说明两个个体的故障元件存在相同元件，在相同故障元件中任意选择一个作为交叉位置，否则任意选择故障元件集合φ中的一个故障元件作为交叉位置；在交叉完毕后，如果得到的两个个体中有个体中的故障元件数量λ′大于H，则将任意λ′‑H个故障元件的参数值重置为其容差范围内的随机值；S6：对种群P′中的个体进行变异操作，得到种群Q，如果变异得到的个体中的故障元件数量λ′大于H，则将任意λ′‑H个故障元件的参数值重置为其容差范围内的随机值；S7：将种群P和种群Q进行合并，构成种群S；S8：将种群S S中的每个个体分别代入模拟电路的传输函数，得到K个不同频率激励信号下在M个测点t_m处的输出电压分别表示输出电压的实部和虚部，g＝1,2,…,2G，构成输出电压向量然后采用以下公式计算第g个个体输出电压向量U^g与当前模拟电路的故障输出电压向量之间的欧式距离D_g，计算公式如下：S9：根据欧式距离D_g从种群S中优选G个个体作为下一代种群P，返回步骤S4；S10：从当前种群中选择欧式距离最小的个体，该个体中参数值位于故障范围内的元件即为故障诊断结果。