本文選題：特征提取 + 模式識別��； 參考：《合肥工業(yè)大學》2017年碩士論文

【摘要】：隨著電子設備中集成電路規(guī)模和復雜度的不斷提升,系統功能不斷完善,同時也帶來了電路可測節(jié)點少、故障潛在信息難以獲取、故障診斷準確率低等問題,對電子電路故障診斷技術的可靠性研究提出更高的要求。研究電路的故障診斷技術關鍵在于實現有效的故障特征提取和精準的故障模式識別,本文從這兩個核心方面開展電路故障診斷技術的研究,分別提出了融合LLE和MDS算法的故障特征提取技術以及基于DCQGA的優(yōu)化SVM分類器模型,并通過電路診斷實例對該方法進行了仿真驗證。本文主要研究內容如下:首先,研究典型電子電路的建模原理及故障特性。通過對電子電路的軟故障和硬故障的特性進行分析,構建電路故障模型,以故障電路可及節(jié)點的輸出響應作為電路的原始多維故障特征數據。其次,提出融合線性和非線性流形學習算法的特征提取技術,即基于LLE和MDS算法的故障特征提取。該融合算法可以最大限度挖掘故障數據中潛在的低維流形結構,并保持數據的距離相似性不變,達到提取與優(yōu)化故障特征的目的。利用該算法對電路的多維故障特征數據進行降維,結果表明降維后的故障特征分布區(qū)分性較明顯。最后,建立一種用于電子電路故障診斷的優(yōu)化分類器模型,即基于雙鏈量子遺傳算法的支持向量機分類器模型。DCQGA-SVM分類器具有雙鏈尋優(yōu)特征,可以加速尋優(yōu)過程,增加獲得全局最優(yōu)參數的概率。通過UCI公共數據庫中的兩個經典分類數據集對分類器的可行性進行了測試,最后以電子電路故障診斷實例對優(yōu)化改進分類器的收斂性能和故障診斷性能進行了驗證。實驗結果不僅驗證了DCQGA-SVM良好的分類性能,而且驗證了其在電路故障診斷中的有效性和實用性。
[Abstract]:With the improvement of the scale and complexity of integrated circuits in electronic devices, the system functions are constantly improved, and it also brings many problems, such as less measurable nodes of circuits, difficulty in obtaining potential fault information, low accuracy rate of fault diagnosis, etc. Higher requirements are put forward for the reliability research of electronic circuit fault diagnosis technology. The key to research the fault diagnosis technology of circuit is to realize effective fault feature extraction and accurate fault pattern recognition. In this paper, the research of circuit fault diagnosis technology is carried out from these two core aspects. A fault feature extraction technique based on LLE and MDS algorithm and an optimized SVM classifier model based on DCQGA are proposed respectively. The main contents of this paper are as follows: firstly, the modeling principle and fault characteristics of typical electronic circuits are studied. By analyzing the characteristics of soft and hard faults of electronic circuits, the fault model of circuits is constructed, and the output response of reachable nodes of fault circuits is taken as the original multidimensional fault characteristic data of circuits. Secondly, a feature extraction technique based on LLE and MDS is proposed, which combines linear and nonlinear manifold learning algorithms. The fusion algorithm can maximize the mining of potential low-dimensional manifold structures in fault data and keep the distance similarity of the data unchanged to achieve the purpose of extracting and optimizing fault features. The algorithm is used to reduce the dimension of the multi-dimensional fault feature data of the circuit. The results show that the fault feature distribution after dimension reduction is more distinct. Finally, an optimal classifier model for fault diagnosis of electronic circuits is established, that is, the support vector machine classifier model based on double chain quantum genetic algorithm. DCQGA-SVM classifier has the characteristics of double-chain optimization, which can accelerate the optimization process. Increase the probability of obtaining global optimal parameters. The feasibility of the classifier is tested by two classical classification data sets in UCI common database. Finally, the convergence performance and fault diagnosis performance of the improved classifier are verified by an example of electronic circuit fault diagnosis. The experimental results not only verify the good classification performance of DCQGA-SVM, but also verify the validity and practicability of DCQGA-SVM in circuit fault diagnosis.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN710

【相似文獻】

相關期刊論文 前10條

1 崔江;王友仁;;一種云樣本的控制產生及在電路故障診斷中的應用[J];控制理論與應用;2008年03期

2 潘興隆;賀國;高世倫;;光電耦合技術在電路故障診斷中的應用[J];船海工程;2008年04期

3 羅惠敏;;“電子電路故障診斷技術”課程項目教學法的實踐與研究[J];無錫職業(yè)技術學院學報;2012年03期

4 席安和;方輝;;電子電路故障診斷[J];電焊機;2013年03期

5 徐志PI;模糊邏輯在組合電路故障診斷中的應用[J];成都電訊工程學院學報;1983年03期

6 孫義闖,林在旭;非線性電路故障診斷的似故障增量電路法[J];電子學報;1987年05期

7 孫義闖;非線性電路故障診斷的幾點考慮[J];微電子學與計算機;1989年01期

8 陳禹章;“效應熱”在電路故障診斷中的應用[J];電子儀器儀表用戶;1994年01期

9 梁曉東,魏蚊龍;基于實例推理的電路故障診斷系統研究[J];計算機與數字工程;2000年06期

10 王格芳,王學明,馬颯颯,亢勇;利用門限進行電路故障診斷[J];計算機自動測量與控制;2001年06期

相關會議論文 前8條

1 趙宏革;于連山;;關于大規(guī)模電路故障診斷方法的探討[A];大連海事大學校慶暨中國高等航海教育90周年論文集（機電分冊）[C];1999年

2 王格芳;吳國慶;沙曉光;馮錫智;;基于門限設置的電路故障診斷方法研究[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

3 陳冰;尹祿;胡金華;;基于人工神經網絡的數字電路故障診斷[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅲ）[C];2008年

4 趙廣燕;孫宇鋒;;EDA仿真在電路故障診斷中的應用[A];大型飛機關鍵技術高層論壇暨中國航空學會2007年學術年會論文集[C];2007年

5 周潯;王曉麗;;基于粗BP神經網絡的數字電路故障診斷[A];第24屆中國控制與決策會議論文集[C];2012年

6 徐翠鋒;黃新;雷加;郭慶;;基于I_(DDT)集成電路故障診斷小波函數選擇[A];2010中國儀器儀表與測控技術大會論文集[C];2010年

7 譚陽紅;何怡剛;;基于集團法和自組織神經網絡的容差電路故障診斷(英文)[A];第十六屆電工理論學術年會論文集[C];2004年

8 馮碩;;基于云模型的模擬電路故障診斷[A];天津市電視技術研究會2014年年會論文集[C];2014年

相關重要報紙文章 前1條

1 河南 孟憲坤;信息融合技術在電力電子電路故障診斷中的應用研究[N];電子報;2014年

相關博士學位論文 前5條

1 高昕;基于幅相特征的模擬電路故障診斷與可測性研究[D];電子科技大學;2015年

2 于文新;模擬電路故障診斷神經智能果蠅算法研究[D];湖南大學;2015年

3 徐晨曦;基于解軌跡多項式分解的非線性電路故障診斷研究[D];電子科技大學;2009年

4 袁海英;基于時頻分析和神經網絡的模擬電路故障診斷及可測性研究[D];電子科技大學;2006年

5 毛先柏;基于支持向量機的模擬電路故障診斷研究[D];華中科技大學;2009年

相關碩士學位論文 前10條

1 曾希雯;基于故障字典的電路故障診斷研究[D];電子科技大學;2016年

2 謝曉敏;基于專家知識的板級電路故障診斷系統研究[D];中國民航大學;2011年

3 陳鵬;基于流形特征提取與優(yōu)化的電子電路故障診斷[D];合肥工業(yè)大學;2017年

4 呂旭明;基于模型的電路故障診斷系統的設計與實現[D];吉林大學;2006年

5 李田田;基于虛擬儀器的電路故障診斷[D];大連理工大學;2007年

6 鄒宇;未知電路板檢測機理和方法研究[D];西安電子科技大學;2010年

7 許文先;紅外電路故障診斷系統中適配器的研制和圖像匹配的研究[D];電子科技大學;2006年

8 蔡亮;基于IEEE1232協議的電路故障診斷技術研究[D];華中科技大學;2006年

9 吳孝雄;基于神經網絡的主機遙控系統控制器電路故障診斷研究[D];上海交通大學;2012年

10 白金緯;基于電流的數字集成電路故障診斷的方法研究[D];電子科技大學;2008年

，

本文編號：2090241