[发明专利]基于XGBoost和随机森林算法的模拟电路故障诊断方法

摘要

本发明公开了一种针对模拟电路ITC’97国际标准电路中的跳蛙（Leapfrog）滤波电路出现的故障进行检测的方法，该方法包括Leapfrog电路仿真系统的电路设计、Monte‑Carlo统计分析法产生数据、对测试信号进行小波包变换的特征提取方法、对特征进行随机森林算法的特征降维方法和对最终特征进行基于XGBoost模型的诊断方法。本发明的优点在于提出了一种将基于机器学习算法的模拟电路故障的数据处理形式。将该方法运用在模拟电路故障诊断上的，并通过不同方法的对比验证其故障诊断率超越了传统的模拟电路故障诊断方法且在模型训练的速度性能方面也有所提高，更加符合于工业现场对模拟电路故障诊断的精度与速度要求。

主权项

1.基于XGBoost和随机森林算法的模拟电路故障诊断方法，其特征在于，包括以下步骤：(1)采用Monte‑Carlo统计方法对Leapfrog电路容差和阻差故障进行模拟仿真并构建样本集合；(2)通过小波包变换对测试源采集到的信号进行分解，选择合适的基小波函数进行5层小波包分解，提取粗第5层从低频到高频的共32个频率成分系数，作为样本特征部分；(3)构建随机森林模型RF，其弱分类器为CART决策树，通过网格搜索法调整RF模型参数，通过不同弱分类器的基尼指数评估特征重要性，之后对选取最重要的5个特征从而实现降维；(4)将降维后的特征与故障ID进行样本重构，将样本分组为训练样本与测试样本，选取XGBoost模型作为分类器,对XGBoost模型进行调参。