基于时频特征的模拟电路故障诊断方法研究
发布时间：2021-08-20 02:48
模拟电路作为电子设备中的重要部件,其测试和故障诊断是目前研究的热点问题。但是由于模拟电路易受外界噪声干扰,元器件存在参数连续性、容差性以及高度非线性等问题,使得故障诊断理论及测试技术发展一直比较缓慢,远远不能满足电子工业对设备高可靠性的现实需求。本文针对模拟电路故障诊断方法,基于交叉小波时频分析技术,融合矩阵分解技术、图像特征分析、统计分类方法以及生成对抗网络等理论和技术,研究模拟电路故障诊断中的特征提取及故障分类策略,并探讨了深度学习技术在模拟电路故障诊断中的运用。本文的研究内容如下:·（1）提出基于交叉小波变换（XWT）与矩阵分解的模拟电路故障特征提取方法。通过研究交叉小波谱的时频特征,将奇异值分解与变分贝叶斯矩阵分解引入到模拟电路故障特征提取中,并由此提出了两种故障特征向量构建方法。首先通过采样正常状态与故障状态下电路输出响应信号,随后运用交叉小波技术将响应信号变换为二维时频谱,然后采用SVD和VBMF分解时频谱矩阵,最后计算出所有故障状态下SVD奇异值序列的信息熵和VBMF奇异值序列的统计参量,并构建为故障特征向量。仿真实验结果证明基于XWT和矩阵分解所构建的故障特征具有较高的...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
图１．?２模拟电路故障诊断方法流程??Ｆｉ１．２?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ａｎａｌｏｃｉｒｃｕｉｔ?ｆａｕｌｔ?ｄｉａｎｏｓｉｓ?ｍｅｔｈｏｄ??
?０．７ｃｏｓ（８０ｔｔ／）？?０?＜?／?＜?０．４??Ｓ（ｔ）＝＼?２．１ｓｉｎ（５０＾）？?０．４?＜／＜０．７?（２．２３）??１．５６ｃｏｓ（ｌ?１０＾／）．?０．７?＜ｔ＜＼??其时域图形为??３ｒ??１?？?■：??１?＞?１?；????２?：?＂ｌ｜｜?｜丨丨ｌ｜，｜｜丨丨柳＿彳丨彳??一?Ｏ?ｌＯＯ?２００?３００?？？？００?５００?ＢＯＯ?７００?８００?９００?１?ＯＯＯ??ｔｔ?ｆ?！＊？｝?ｖ?ｍｓ＞??图２．?１仿真信号Ｓ（ｔ）时域波形图??Ｆｉｇ?２．１?Ｔｈｅ?ｔｉｍｅ?ｄｏｍａｉｎ?ｗａｖｅｆｏｒｍ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?Ｓ（ｔ）??对仿真信号采用傅里叶分析，可得傅里叶频谱图：??０．７??１??ｒ－?？?１???〇，??■?．．?■?．—??：．．．：…?－Ｉ?＇：－：：］：??Ｗ?〇?３?……丨……１．．．十．．．丨．…??０．２?????Ｉ?????????。．１?－?Ｉ．?Ｉ?ｉ，；?：??Ｏ?２０?４０?ＳＯ?８０?１００??频率．（Ｈｚ?）??１８??
合肥工业大学博士学位论文??图２．?２仿真信号Ｓ（ｔ）频谱图??Ｆｉｇ?２．２?Ｔｈｅ?ｓｐｅｃｔｒｏｇｒａｍ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?Ｓ（ｔ）??观察图２．１及图２．２，可以看到仿真信号频率成分在不同的时间点处是不同的，??即其为非平稳信号。同时，傅里叶变换成功的将信号从时间轴上转化到频率轴上，??并给出了该信号所包含的所有频率成分；但是，对于频率和时间之间的关系信息??却完全忽略了，即其无法描述频率成分出现的时间点。而模拟电路由于其本身的??非线性及易受噪声干扰的特性，从而导致其输出响应总是呈现出非线性非平稳性；??另外，当电路系统无法正常工作时，其输出信号中频率分量会发生相应的改变；??如果仅仅采用频域方法对信号进行处理，将极有可能丢失掉区分不同故障类的高??辨识度特征。针对此种情况，利用时频分析技术，在时间和频率的二维坐标系中，??共同描述描述信号的基本特性，以提供任意时刻的频率组成和幅度值。??连续小波变换通过伸缩平移基函数对信号进行运算，以获得信号的多尺度细节??特征及联合时间－频率分布。为探讨连续小波变换的时频分布特性，使用连续小波??变换对汾／）处理，以得到如图２．３所示的连续小波变换时间－频率能量分布。??６〇??Ｉ：?５??Ｏ?０．２?０．４?０．６?ｏ．ｅ??时间ｔ／ｓ??图２．３仿真信号ｓ（ｔ）的连续小波时频谱图??Ｆｉｇ?２．３?Ｔｈｅ?ｃｏｎｔｉｎｕｏｕｓ?ｔｉｍｅ?ｓｐｅｃｔｒｕｍ?ｏｆ?Ｓｉｍｕｌａｔｅｄ?Ｓｉｇｎａｌ?Ｓ（ｔ）??由上面的小波时频图可以观察到，信号在４０Ｈｚ，?２５Ｈｚ和５５Ｈｚ处均显示出能??量聚集，这表明了原始信号主要包含以上三种频率
本文编号：3352657
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
图１．?２模拟电路故障诊断方法流程??Ｆｉ１．２?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ａｎａｌｏｃｉｒｃｕｉｔ?ｆａｕｌｔ?ｄｉａｎｏｓｉｓ?ｍｅｔｈｏｄ??
?０．７ｃｏｓ（８０ｔｔ／）？?０?＜?／?＜?０．４??Ｓ（ｔ）＝＼?２．１ｓｉｎ（５０＾）？?０．４?＜／＜０．７?（２．２３）??１．５６ｃｏｓ（ｌ?１０＾／）．?０．７?＜ｔ＜＼??其时域图形为??３ｒ??１?？?■：??１?＞?１?；????２?：?＂ｌ｜｜?｜丨丨ｌ｜，｜｜丨丨柳＿彳丨彳??一?Ｏ?ｌＯＯ?２００?３００?？？？００?５００?ＢＯＯ?７００?８００?９００?１?ＯＯＯ??ｔｔ?ｆ?！＊？｝?ｖ?ｍｓ＞??图２．?１仿真信号Ｓ（ｔ）时域波形图??Ｆｉｇ?２．１?Ｔｈｅ?ｔｉｍｅ?ｄｏｍａｉｎ?ｗａｖｅｆｏｒｍ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?Ｓ（ｔ）??对仿真信号采用傅里叶分析，可得傅里叶频谱图：??０．７??１??ｒ－?？?１???〇，??■?．．?■?．—??：．．．：…?－Ｉ?＇：－：：］：??Ｗ?〇?３?……丨……１．．．十．．．丨．…??０．２?????Ｉ?????????。．１?－?Ｉ．?Ｉ?ｉ，；?：??Ｏ?２０?４０?ＳＯ?８０?１００??频率．（Ｈｚ?）??１８??
合肥工业大学博士学位论文??图２．?２仿真信号Ｓ（ｔ）频谱图??Ｆｉｇ?２．２?Ｔｈｅ?ｓｐｅｃｔｒｏｇｒａｍ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?Ｓ（ｔ）??观察图２．１及图２．２，可以看到仿真信号频率成分在不同的时间点处是不同的，??即其为非平稳信号。同时，傅里叶变换成功的将信号从时间轴上转化到频率轴上，??并给出了该信号所包含的所有频率成分；但是，对于频率和时间之间的关系信息??却完全忽略了，即其无法描述频率成分出现的时间点。而模拟电路由于其本身的??非线性及易受噪声干扰的特性，从而导致其输出响应总是呈现出非线性非平稳性；??另外，当电路系统无法正常工作时，其输出信号中频率分量会发生相应的改变；??如果仅仅采用频域方法对信号进行处理，将极有可能丢失掉区分不同故障类的高??辨识度特征。针对此种情况，利用时频分析技术，在时间和频率的二维坐标系中，??共同描述描述信号的基本特性，以提供任意时刻的频率组成和幅度值。??连续小波变换通过伸缩平移基函数对信号进行运算，以获得信号的多尺度细节??特征及联合时间－频率分布。为探讨连续小波变换的时频分布特性，使用连续小波??变换对汾／）处理，以得到如图２．３所示的连续小波变换时间－频率能量分布。??６〇??Ｉ：?５??Ｏ?０．２?０．４?０．６?ｏ．ｅ??时间ｔ／ｓ??图２．３仿真信号ｓ（ｔ）的连续小波时频谱图??Ｆｉｇ?２．３?Ｔｈｅ?ｃｏｎｔｉｎｕｏｕｓ?ｔｉｍｅ?ｓｐｅｃｔｒｕｍ?ｏｆ?Ｓｉｍｕｌａｔｅｄ?Ｓｉｇｎａｌ?Ｓ（ｔ）??由上面的小波时频图可以观察到，信号在４０Ｈｚ，?２５Ｈｚ和５５Ｈｚ处均显示出能??量聚集，这表明了原始信号主要包含以上三种频率
本文编号：3352657
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3352657.html
