基于靈敏度分析和GA的模擬電路故障診斷

摘要：為了實(shí)現(xiàn)模擬電路故障的檢測(cè)，提出了將靈敏度分析與遺傳算法結(jié)合的算法。該算法利用靈敏度分析估算元件參數(shù)偏移量求解故障元件，并用遺傳算法尋求最優(yōu)解。提出改進(jìn)的自適應(yīng)遺傳算法，實(shí)驗(yàn)結(jié)果表明該方法對(duì)容差模擬電路的多軟故障診斷具有較好的診斷率。本文網(wǎng)絡(luò)版地址：http：//www.eepw.com.cn/article/235429.htm

關(guān)鍵字：模擬電路；故障診斷；靈敏度分析； 遺傳算法；

DOI： 10.3969/j.issn.1005-5517.2014.3.015

2 遺傳算法求解實(shí)例分析

采用遺傳算法求解F的極小值。故障診斷電路采用與文獻(xiàn)[3]、[4]中相同的直流電路。

測(cè)試數(shù)據(jù)通過(guò)在PSpice中將標(biāo)稱(chēng)電路修改為容差下的故障電路進(jìn)行MC仿真獲得。將其中一組數(shù)據(jù)作為測(cè)試數(shù)據(jù)輸入程序中。實(shí)驗(yàn)中設(shè)置故障R1=0.5。各個(gè)元件參數(shù)的偏移百分?jǐn)?shù)作為算法搜索的種群，以F為目標(biāo)函數(shù)。設(shè)置連續(xù)多代算法群體均值偏差小于某個(gè)較小值L或者遺傳代數(shù)達(dá)到設(shè)置值，算法即終止。

隨機(jī)產(chǎn)生種群初始值，用同一個(gè)測(cè)試樣本重復(fù)進(jìn)行10次模擬電路故障診斷，數(shù)據(jù)結(jié)果輸出如圖2，左邊是運(yùn)行十次算法中，隨機(jī)產(chǎn)生的初始種群里最優(yōu)個(gè)體元件參數(shù)偏移值的分布圖。右邊是算法收斂后停止時(shí)的最優(yōu)個(gè)體元件參數(shù)偏移值的分布圖。從圖中可以看出十次算法運(yùn)行過(guò)程中有九次算法收斂，檢測(cè)到故障。并較為準(zhǔn)確的給出了各元件參數(shù)偏移值。其中有一次沒(méi)有收斂，因滿(mǎn)足遺傳代數(shù)而終止搜索。圖中X坐標(biāo)為R1-R5元件，Y坐標(biāo)為各元件參數(shù)偏移百分比，單位為%。

將容差故障電路進(jìn)行20次蒙特卡洛分析，輸出的一次分析中三個(gè)測(cè)試點(diǎn)電壓值為一組測(cè)試數(shù)據(jù)，每組數(shù)據(jù)輸入并進(jìn)行一次遺傳算法搜索。求其20個(gè)測(cè)試數(shù)據(jù)下的診斷率。Mut為較小的數(shù)，M為很大的正數(shù)，診斷率可達(dá)94%以上。某次參數(shù)設(shè)置后用20次MC分析的結(jié)果作為測(cè)試數(shù)據(jù)進(jìn)行診斷。本文的結(jié)果1與文獻(xiàn)[3]、[4]的方法的診斷結(jié)果2、結(jié)果3進(jìn)行對(duì)比，得出表1。

3 遺傳算法的改進(jìn)

由于故障的模糊性，小故障診斷率較低，增加遺傳代數(shù)提高了收斂率，但并沒(méi)有很好的提高診斷概率。以下為檢測(cè)R3時(shí)，算法收斂時(shí)得到的一組數(shù)據(jù)，該數(shù)據(jù)并沒(méi)有檢測(cè)出正確的故障，Q1：6.4529，Q2：-5.5277， Q3 ：-0.0268，Q4：3.2115，Q5 ：-1.9950。其中R1、R2同時(shí)為故障元件時(shí)的輸出與設(shè)置的故障R3=0.8 等效，所以在具有模糊性的故障診斷中，診斷率相對(duì)較低[6]。

4 動(dòng)態(tài)自適應(yīng)遺傳算法，提高診斷概率

M. Srinivas提出的自適應(yīng)遺傳算法是當(dāng)群體適應(yīng)度比較集中時(shí)，適當(dāng)增大Pc、Pm的值，而當(dāng)群體適應(yīng)度較為分散時(shí)，適當(dāng)減小Pc、Pm的值，對(duì)編碼當(dāng)中每一位都根據(jù)Pc、Pm來(lái)選擇是否進(jìn)行交叉和變異操作[7]。但是該算法以個(gè)體為單位來(lái)考慮，缺乏整體的考慮。算法易陷入局部最優(yōu)。同時(shí)在對(duì)每個(gè)個(gè)體計(jì)算Pc、Pm的值會(huì)降低算法執(zhí)行的效率。

文獻(xiàn)[8]中韓瑞鋒提出的算法是利用群體最大適應(yīng)度f(wàn)itmax，最小適應(yīng)度f(wàn)tmin，適應(yīng)度平均值ftave這三個(gè)變量來(lái)控制Pc、Pm的值。其中ftmin與ftmax越接近，越容易陷入局部最優(yōu)，fitave與fitmax反映了群體內(nèi)部適應(yīng)度的分布情況，ftave與ftmax越接近，種群個(gè)體越集中[8]。

使用 avemax，minmaxffa ffb>>（0.5

將改進(jìn)的自適應(yīng)遺傳算法應(yīng)用于之前故障診斷率較低的R1、R3小故障診斷中，遺傳代數(shù)增加為5000代。其余設(shè)置不變，發(fā)現(xiàn)算法診斷率大大增加。在實(shí)際檢測(cè)中，可采用上述改進(jìn)算法診斷，將算法運(yùn)行多次，將參數(shù)偏差最大，偏差次數(shù)最多的元件定位為故障元件，即可準(zhǔn)確的定位故障元件。

將改進(jìn)后的自適應(yīng)算法應(yīng)用于非線(xiàn)性直流電路的軟故障診斷，電路如圖4所示。該電路共有10個(gè)電阻R1～R10，10個(gè)電壓測(cè)試點(diǎn)vout1～10。

5 結(jié)論

改進(jìn)后的自適應(yīng)遺傳算法適用于直、交流線(xiàn)性電路，直流非線(xiàn)性電路，實(shí)驗(yàn)結(jié)果證明大大提高了故障診斷概率。與其他算法相比，該算法不僅適用于單軟故障，同時(shí)也適用于多軟故障的檢測(cè)，且大電路檢測(cè)中僅需測(cè)得測(cè)試點(diǎn)電壓值，輸入程序中即可得出結(jié)果，診斷速度非常快。對(duì)于故障元件參數(shù)偏差超過(guò)20%的多軟故障，該算法診斷概率較高。故障元件參數(shù)偏差在10%～20%時(shí)，由于本身元器件容差設(shè)定在±10%，其模糊性導(dǎo)致故診斷概率較低。故針對(duì)于偏移量較小的多軟故障方面的檢測(cè)率還有待提高。

參考文獻(xiàn)：

[1]李焱駿.以電壓靈敏度向量為故障特征的模擬電路軟故障診斷方法研究[D].電子科技大學(xué)，2009

[ 2 ]周龍甫，師奕兵，李焱駿.容差條件下P S O算法診斷模擬電路單軟故障方法[ J ] .計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2009，21（9）：1270～1274

[3]Wang P，Yang S Y.A new diagnosis approach for handling tolerance in analog and mixed signal circuits by using fuzzy math[J].IEEE Transactions on Circuits and System—I：Regular Papers，2005，52（10）：2118～2127

[4]Gao Y，Xu C，Li J.Linear programming relax—PSO hybrid bound algorithm for a class of nonlinear integer programming problems[C].Guangzhou：Proceedings of International Conference on Computational Intelligence and Security，2006：380～383

[5]Whitley D，et al.Genitor II：A distributed genetic algorithm[J].J Expt. Ther. Intell，1990，2： 189～214

[6]吳喜華，謝利理，葛茂艷.基于GA-LMBP算法的模擬電路故障診斷方法[J].現(xiàn)代電子技術(shù)， 2010（4）：177～179

[7]Srinivas M，Patnaik L M.Adaptive probabilities of crossover and mutation in genetic algorithms[J].IEEETrans On System， Man and Cybernetics， 1994， 24（4）： 656-667

[8]韓瑞鋒.遺傳算法原理與應(yīng)用實(shí)例[M].北京：兵器工業(yè)出版社，2010：60～66

[9]劉洲洲.基于遺傳算法的足球機(jī)器人路徑規(guī)劃[J].電子產(chǎn)品世界，2013（2）：28～29