王強(qiáng) 馬國(guó)坪

（甘肅省古浪縣職業(yè)中等專業(yè)學(xué)校 甘肅省古浪縣 733100）

電子產(chǎn)品已經(jīng)成為我們生活、工作與學(xué)習(xí)當(dāng)中非常重要的設(shè)備。隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步，電子設(shè)備結(jié)構(gòu)越來(lái)越復(fù)雜，精密度也越來(lái)越高，電子設(shè)備在為我們工作與生活提供更好地服務(wù)的同時(shí)如果電子設(shè)備中的電子元件出現(xiàn)故障，并且故障沒有得到及時(shí)診斷和處理，就會(huì)帶來(lái)很大影響。所以，電路故障的診斷尤為重要。智能診斷的運(yùn)用可以提升電路故障診斷效率，方便維修人員可以第一時(shí)間找出故障原因，并采取有效措施解決故障，恢復(fù)電子設(shè)備的正常使用，延長(zhǎng)其使用壽命。

1 電路相關(guān)闡述

電路是電子器件中對(duì)工業(yè)電能進(jìn)行轉(zhuǎn)化和控制的電路，見圖1。電路作為電子器件的一部分，傳統(tǒng)電路有著相應(yīng)的旋轉(zhuǎn)元件和部件，因此也被稱為變流電路，而這里所說(shuō)的電路并沒有旋轉(zhuǎn)元件與部件，因此被稱之為靜止式變流電路。電路共分為兩個(gè)部分，分別是發(fā)電機(jī)與電動(dòng)機(jī)，而變流電路與靜止式變流電路相對(duì)比，靜止式變流電路在運(yùn)行過程中并不會(huì)產(chǎn)生很大噪音，磨損情況也很小，運(yùn)行速度快，而且可以實(shí)現(xiàn)自動(dòng)化控制和生產(chǎn)，也不需要構(gòu)建專門的地基。靜止式變流電路的出現(xiàn)使得變流電路逐漸被取代。通常情況下，由于其效率高、損耗更低的優(yōu)勢(shì)，電路被廣泛運(yùn)用于工業(yè)電能處理當(dāng)中。

圖1： 電路結(jié)構(gòu)圖

2 對(duì)電路故障實(shí)施智能診斷的意義

在互聯(lián)網(wǎng)背景下，人們對(duì)于電子產(chǎn)品的要求也在不斷提升。在此背景下，高性能的電子產(chǎn)品在不斷更新?lián)Q代，電子產(chǎn)品的使用離不開電力，電子產(chǎn)品性能與使用頻率的增加必然會(huì)增加其電力負(fù)荷，當(dāng)電子產(chǎn)品長(zhǎng)期處于超負(fù)荷運(yùn)轉(zhuǎn)狀態(tài)使就很容易出現(xiàn)故障。以往電子產(chǎn)品故障后都需要人工憑借專業(yè)知識(shí)與經(jīng)驗(yàn)進(jìn)行診斷，如果專業(yè)知識(shí)有限、經(jīng)驗(yàn)不足就難以第一時(shí)間找到故障根源。因此，傳統(tǒng)人工故障診斷會(huì)制約電子產(chǎn)品的快速發(fā)展，對(duì)于智能診斷的需求也不斷增加。智能診斷技術(shù)的運(yùn)用可以實(shí)現(xiàn)電路故障的智能診斷，診斷效率和準(zhǔn)確率都高于人工檢測(cè)，且降低了故障診斷成本，能夠全范圍診斷故障。

目前多應(yīng)用基于神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)、支持向量機(jī)等模擬電路故障診斷技術(shù)，這些方式內(nèi)，支持向量機(jī)應(yīng)用優(yōu)勢(shì)最為顯著，能夠很好的解決小樣本、非線性、高緯度等問題，得到了廣范圍應(yīng)用。實(shí)驗(yàn)結(jié)果表明，參數(shù)選取及優(yōu)化會(huì)影響SVM 性能，當(dāng)前大多使用萬(wàn)有引力搜索算法（Gravitational search algorithm，簡(jiǎn)稱GSA）、粒子群優(yōu)化算法（Particle swarm optimization algorithm，簡(jiǎn)稱PSO）、遺傳算法（genetic algorithm，簡(jiǎn)稱GA）。這些算法在實(shí)際應(yīng)用中，均存在收斂速度緩慢、易陷入局部最優(yōu)等問題，基于此，應(yīng)當(dāng)對(duì)權(quán)限SVM 參數(shù)優(yōu)化問題進(jìn)行全面、積極探索。

劍橋大學(xué)學(xué)者Yang 于2010 年提出蝙蝠算法（Bat algorithm，簡(jiǎn)稱BA），不少學(xué)者認(rèn)為，其屬于全新智能算法，使用性能最佳，在應(yīng)用期間，可有效解決工程問題。為實(shí)現(xiàn)全局尋優(yōu)性能的提升，本文選擇混沌優(yōu)化算法進(jìn)行公式與參數(shù)更新，獲取最佳故障診斷方式，并在實(shí)際案例內(nèi)實(shí)施故障診斷，對(duì)比不同算法的結(jié)果。

3 智能診斷在電路故障的應(yīng)用

3.1 對(duì)電路運(yùn)行情況進(jìn)行模擬

電路故障診斷技術(shù)在不斷發(fā)展，智能技術(shù)運(yùn)用于故障診斷當(dāng)中，解決了很多電路故障診斷中的難題，提高電路故障診斷效率與水平，也一定程度上推動(dòng)了電子產(chǎn)品的快速發(fā)展。當(dāng)前我們所使用的電子產(chǎn)品與以往電子產(chǎn)品相比，已經(jīng)呈現(xiàn)出非常大的差別，現(xiàn)在的電子產(chǎn)品對(duì)于電子技術(shù)的要求更高，技術(shù)也更加復(fù)雜。為了保障電子產(chǎn)品的電路在使用過程中可以正常工作，很多電子產(chǎn)品生產(chǎn)企業(yè)會(huì)借助以智能診斷技術(shù)來(lái)對(duì)電路運(yùn)行情況進(jìn)行模擬，對(duì)模擬過程中的數(shù)據(jù)和參數(shù)進(jìn)行分析，判斷電子產(chǎn)品的使用性能，進(jìn)而推斷出可能會(huì)出現(xiàn)的故障，并采取措施進(jìn)行優(yōu)化，避免在使用過程中出現(xiàn)故障，提高電子產(chǎn)品質(zhì)量與使用壽命。因?yàn)樵诋a(chǎn)品發(fā)售前企業(yè)就借助智能檢測(cè)技術(shù)對(duì)電子產(chǎn)品電路運(yùn)行進(jìn)行了模擬，所以電子產(chǎn)品在使用過程中運(yùn)行更加穩(wěn)定，故障發(fā)生率也比較低，從而為企業(yè)帶來(lái)更多經(jīng)濟(jì)效益，樹立品牌口碑。

3.2 構(gòu)建電路故障信息庫(kù)

電路故障信息庫(kù)的構(gòu)建可以為電路故障診斷工作開展提供參考依據(jù)，在智能診斷技術(shù)的運(yùn)用下，通過將電路故障診斷中的數(shù)據(jù)進(jìn)行收集，記錄電路故障原因及地點(diǎn)。電路故障信息庫(kù)主要涵蓋以下兩部分內(nèi)容，一部分是動(dòng)態(tài)內(nèi)容，這部分內(nèi)容主要是記錄故障診斷中的結(jié)果；另一部分是靜態(tài)內(nèi)容，這部分內(nèi)容主要是記錄電路運(yùn)行中的各項(xiàng)參數(shù)與數(shù)值。結(jié)合這兩部分內(nèi)容可以在電路故障發(fā)生時(shí)對(duì)比參數(shù)與數(shù)值情況，快速找到故障所在地和原因，提升電路故障診斷效率，見圖2。

圖2： 電路故障信息庫(kù)流程圖

3.3 線路故障診斷

電路故障作為電子產(chǎn)品最容易出現(xiàn)的故障，而電子產(chǎn)品使用頻率越來(lái)越高，線故障發(fā)生的概率也越高。電子產(chǎn)品在使用過程中，電路在換向過程中也會(huì)隨之產(chǎn)生一定能量，通常情況下這些能量在電路的承受范圍內(nèi)，因此并不會(huì)影響電路的正常工作，但是如果能量超出電路最大承受范圍，就很容易引發(fā)故障，進(jìn)而導(dǎo)致電子產(chǎn)品無(wú)法正常使用。借助智能診斷技術(shù)對(duì)電路進(jìn)行模擬計(jì)算，幫助我們了解電路承受能量的最大復(fù)合，從而對(duì)電路進(jìn)行控制，提升短路運(yùn)行安全。

4 支持向量機(jī)和蝙蝠搜索算法

4.1 支持向量機(jī)

支持向量機(jī)以最小結(jié)構(gòu)風(fēng)險(xiǎn)為準(zhǔn)則，在分類要求基礎(chǔ)上，確保分類樣本距離超平面為最優(yōu)超平面。

（x, y）i=1, ..., n, x∈R, y∈{1, -1}為假設(shè)樣本集，第i個(gè)樣本空間輸入值為x，第i 個(gè)樣本輸出值為y，數(shù)據(jù)線性可分，在求解最優(yōu)超平面問題時(shí)，其約束條件主要包括：

4.2 蝙蝠算法

自然界中，蝙蝠進(jìn)行獵物搜索時(shí)，多選擇回波定位的方式，蝙蝠算法也為該原理，就工程內(nèi)的問題，一般要求蝙蝠算法滿足相應(yīng)的假設(shè)，如下所示：

借助回波定位，進(jìn)行距離探測(cè)，辨別周圍情況及距離。

在x上以v飛行，f為固定頻率，λ 為變化波長(zhǎng)，搜尋獵物響度A，結(jié)合與獵物的距離，調(diào)節(jié)發(fā)射脈沖波長(zhǎng)、頻率，脈沖發(fā)射速率，動(dòng)態(tài)化調(diào)整，區(qū)間范圍為r∈[0,1]；

假設(shè)響度是從最大值A(chǔ)（正值）向最小值A(chǔ)（常數(shù)）變化。

混沌優(yōu)化能夠借助混凝映射特性（隨機(jī)性與遍歷性），優(yōu)化算法內(nèi)的隨機(jī)變量，避免算法處于局部最優(yōu)?；谑阶樱?）、式子（6）能夠得知，蝙蝠速度、蝙蝠位置更新，需要聲波頻率f的支持，在式子（4）上，聲波頻率f更新變化，在參數(shù)β 實(shí)現(xiàn)。傳統(tǒng)蝙蝠算法內(nèi)，區(qū)間[0，1]內(nèi)，β 均勻隨機(jī)分布，將混沌優(yōu)化策略引入，可改善這類分布不具備便利性特點(diǎn)的情況，以此實(shí)現(xiàn)參數(shù)β 混沌優(yōu)化，新改進(jìn)的頻率計(jì)算式：

式子內(nèi)，c∈（0,1），且c?（0,0.25,0.5,0.75,1），a 為常數(shù)。

蝙蝠算法的步驟包括：初始化位置、數(shù)量、頻率及響度，計(jì)算蝙蝠個(gè)體適應(yīng)值，詳細(xì)記錄最優(yōu)解，獲取種群之后，計(jì)算全局最優(yōu)解，在Logistic 映射公式基礎(chǔ)上，獲得混沌因子C，由式子（4）-（6），獲得蝙蝠頻率、位置及速度，進(jìn)行局部搜索，在最優(yōu)解內(nèi)選擇x，產(chǎn)生隨機(jī)解rand1與rand2，假設(shè)rand1＞1，則附近按式子（7）產(chǎn)生全新的局部解。若rand2＜A且，f（x（i））＞f（x（i）），則接受這個(gè)全新解，根式公式（8）、（9）更新脈沖頻度r、A；判斷終止條件達(dá)到與否，若達(dá)到則為全局最優(yōu)解，若未達(dá)到，則反之，轉(zhuǎn)移步驟2。

5 基于CBA-SVM的故障診斷

基于CBA-SVM 的故障診斷過程為：首先，收集、預(yù)處理故障數(shù)據(jù)，選擇小波包能量譜為故障特征，獲取數(shù)據(jù)訓(xùn)練集、測(cè)試集。其次，選擇混沌蝙蝠算法，尋優(yōu)SVM懲罰參數(shù)C、核函數(shù)的核寬度σ，優(yōu)化參數(shù)之后，識(shí)別正確率最大值，也就是最終的尋優(yōu)目標(biāo)，檢驗(yàn)測(cè)試樣本集優(yōu)化之后的分類器，其流程如圖3 所示。

圖3： 基于蝙蝠算法優(yōu)化SVM 流程

6 故障診斷實(shí)例

為檢驗(yàn)本文方案的有效性，本文開展實(shí)例分析，選擇某型雷達(dá)導(dǎo)引頭測(cè)試系統(tǒng)自檢模塊比例積分電路故障為例，見圖4，選擇PSPICE 軟件建模電路，仿真故障。

圖4： 病例積分電路原理

6.1 故障設(shè)定和特征提取

本實(shí)驗(yàn)僅僅考慮單一故障，假設(shè)電路內(nèi)的元件數(shù)值高、低正常數(shù)的50.0%,在容差允許的范圍內(nèi)，假設(shè)其他元件不變，電阻通查5.0%、電容為10.0%，則元件為通查范圍內(nèi)，電路的狀態(tài)無(wú)任何的異常。

分析靈敏度之后，獲得R↑、R↓、R↑、R↓、R↑、R↓、C↑、C↓、NF（無(wú)故障）幾類故障模式，↑為高故障值，↓為低故障值，均為稱值50.0%下的故障狀態(tài)。OrCAD10.5軟件仿真故障模式下，在電路輸入端增加1V 幅度，10μs 脈沖激勵(lì)屬于持續(xù)時(shí)間，50 次分析后獲取Monte Carlo 響應(yīng)曲線，也就是一種故障，獲取50 個(gè)樣本，在此模式下實(shí)施分析，獲得采樣數(shù)據(jù)，將數(shù)據(jù)導(dǎo)入到MATLAB 內(nèi)，訓(xùn)練支持向量機(jī)與測(cè)試支持向量機(jī)各為25 次。

本實(shí)驗(yàn)故障能量譜特征為小波包，這類提取形式，能夠在能量守恒基礎(chǔ)上，實(shí)施多尺度分解，可將信號(hào)頻段細(xì)化，計(jì)算出不同頻段的能量數(shù)值，以此實(shí)現(xiàn)電路故障模擬。

比如：某故障模式下，對(duì)數(shù)據(jù)分解3 層db3 小波包，提取低頻、高頻系數(shù)之后，重構(gòu)小斜包系數(shù)，經(jīng)過計(jì)算后，獲取對(duì)應(yīng)的頻帶信號(hào)能量，歸一化處理后，獲得特征向量，故障模式下包含50 個(gè)樣本，樣本內(nèi)故障包含7 種屬性。

6.2 診斷結(jié)果

本文選擇粒子群算法（PSO）、萬(wàn)有引力搜索算法（GSA）優(yōu)化向量機(jī)核參數(shù)、懲罰參數(shù)，以檢驗(yàn)方案選取優(yōu)越性，設(shè)置相同參數(shù)，假設(shè)種群數(shù)量為20，則最大迭代次數(shù)為100，[10,10]為乘法參數(shù)C 區(qū)間的變化區(qū)間，[10,10]為核函數(shù)參數(shù)σ 的變化區(qū)間。

三類算法診斷結(jié)果如表1 所示，結(jié)合下表數(shù)據(jù)可得知，運(yùn)算速度而言，GSA-SVM 慢于PSO-SVM，但前者的診斷率高，CBA-SVM 方法識(shí)別率最佳。

表1： 故障診斷方法比較

7 結(jié)束語(yǔ)

綜上所述，在模擬電路的故障診斷內(nèi)，實(shí)施混沌優(yōu)化蝙蝠算法，在某導(dǎo)引頭測(cè)試系統(tǒng)自檢模塊內(nèi)比例積分電路故障診斷中，對(duì)比傳統(tǒng)GSA-SVM、PSO-SVM，CBA-SVM 的應(yīng)用價(jià)值更為顯著，可增加收斂速度，實(shí)現(xiàn)最高診斷精準(zhǔn)率，可切實(shí)滿足診斷要求。