模拟电路故障最优特征搜索与识别田成来1，彭敏放1，宋丽伟1，谭虎1，沈美娥2（1.湖南大学电气与信息工程学院,长沙410082;2.北京信息科技大学，北京100101）摘要：为解决模拟电路故障诊断中故障特征选取的难题并提高故障识别率，本文提出一种故障最优特征矢量候选集的搜索算法并构造了模式最佳邻居查询规则来选取故障模式最优特征进行故障识别。该方法以故障信号小波包分解的频段能量值构造故障样本的初始特征矢量，搜索识别多种模式的特征子矢量生成最优特征矢量候选集，查询模式最佳邻居确定其最大邻域，在综合判据监督下选取故障最优特征完成故障识别。模拟诊断实例表明，选取的最优特征在诊断模拟电路故障时具有满意的准确率。关键词：故障诊断；模拟电路；最优特征搜索；模式最佳邻居；小波包分解：TM131文献标志码：A国家标准学科代码：470.40FaultOptimalFeatureSearchandRecognitioninAnalogCircuitTianChenglai1,PengMinfang1,SongLiwei1,TanHu1,ShenMeie2(1.CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha410082,China)(2.Bei激ngUniversityofInformationScienceandTechnology,Bei激ng100101,China)Abstract:Inordertosolvethedifficultyoffaultfeatureextractionandtoimprovefaultrecognitionaccuracyrateinanalogcircuitfaultdiagnosis,asearchalgorithmofcandidatesetsincludingfaultoptimalfeatureisproposedandqueryrulesofpatterns’bestneighborsareconstructedtoselectfaultoptimalfeatureandtorecognizefaultsinthispaper.Firstly,takebandsenergyvaluesofwaveletpacketdecompositionoffaultsignalsasthepreliminaryfeaturevectorsoffaultsamples.Secondly,searchadequatefeaturesub-vectorsidentifyingmanyfaultpatternstoconstructcandidatesets.Thirdly,confirmtheirlargestneighborhoodinfeaturespacebyqueryingpatterns’bestneighbors.Finally,chooseeverypattern’soptimalfeatureaccordingtothecomprehensivecriterionswhenexecutepatternrecognitionoffaultsamples.Analogdiagnosisexamplesshowthattheoptimalfeaturescanrecognizefaultsampleswithsatisfyingclassificationaccuracyrate.Keywords:faultdiagnosis;analogcircuit;optimalfeaturesearch;pattern'sbestneighbors;waveletpackettransform1引言模拟电路的测试和诊断一直是其生产和维护的瓶颈，因此自六十年代开始针对该领域的理论和方法研究就成为热点，模糊理论、_________________________收稿日期：2011-09国家自然科学基金项目（No.60673084,No.60973032,No.61173108），湖南省自然科学基金项目（No.10JJ2045）神经网络、小波分析等智能信息处理技术对模拟电路故障诊断理论的发展有一定的推进作用[1-9]。故障特征提取和识别是智能诊断的关键[5]。故障特征提取的常用方法有主元分析法（PCA）和Fisher线性鉴别法(FLDA)等，其中主元分析法获得的是模式样本的最佳表示特征集，Fisher线性鉴别法获得的则是模式样本的最佳鉴别特征集，但上述两种方法提取的一组故障特征在特征空间中有严重混叠，在样本识别分类时有较大分类误差[7,10]。此外，小波包分解因为能获得信号高频成分的精细信息，算法相对简单，因而成为故障信号预处理的优良工具[11]。但是，最优小波包(OWPT)、不完全最优小波包(IWPT)、及其结合模糊规则等方法提取的一组故障特征维数偏多，增加了样本识别的复杂度和难度[1,5]。本文在已有故障特征提取与识别研究成果的基础上[1-18]，提出一种模拟电路故障最优特征搜索与识别方法。采用双正交小波包分解故障信号，以其频带能量值构造故障样本的初始特征矢量，降低了故障初始特征的提取难度；把不同维度分量上的模式模糊集交集运算，按识别故障种类选取维度分量构造特征子矢量形成最优特征矢量候选集，既降低了故障特征维数又解决了一组故障特征难以有效表征所有故障模式的难题；查询故障模式最佳邻居、扩展其聚类半径，在综合判据监督下选取故障最优特征完成故障识别，提高了样本识别率、降低了样本分类误差。以Sallen-key带通滤波器的15类软故障诊断和四运...