基于Wiener核的非线性模拟电路多软故障诊断理论与方法研究

本课题针对非线性模拟电路多软故障诊断难题，从电路建模、特征智能选择提取及神经网络改进三方面开展研究。通过研究非线性模拟电路Wiener核的高速获取及多软故障状态辨识效果评价等理论，建立基于Wiener核的多软故障诊断电路模型，解决非线性特性未知或不解析的非线性模拟电路的建模难题；通过研究改进的遗传退火混合算法，提出基于Wiener核的非线性模拟电路多软故障特征的智能选择与提取方法，提高特征选择和提取的质量和效率，并改善多软故障的诊断准确性；通过研究改进用于故障诊断的神经网络的结构和参数，提高诊断效率和准确度；在此基础上，研制模拟电路故障诊断测试仪，并以生命科学仪器的前端模拟电路为对象，组建模拟电路智能故障诊断系统，既检验理论方法的正确性、实用性，又提供应用方法。课题将形成系统实用的基于Weiner核的非线性电路多软故障诊断理论和方法，为相关研究提供基础理论。

非线性模拟电路的故障诊断是该领域的难点，其中多个软故障的诊断尤其困难，成为制约集成电路和电子产品生产质量和效率的瓶颈。本项目针对非线性模拟电路多软故障诊断难题，对非线性模拟电路的Wiener核建模，故障诊断特征的智能优化选择、提取和测试激励优化，用于故障模式识别的神经网络的完善，以及实验应用等开展了深入的研究，很好地完成了项目计划的全部内容。.电路建模方面，深入研究了Wiener核的快速计算方法，克服了Wiener核计算量随着阶数及采样点数的增加呈指数增长给应用带来的困难，提出了一种折叠递推快速算法。经分析计算本快速算法比原算法节省乘法计算量90%以上，提高了电路Wiener核模型的建模效率。还研究了基于电路回路特征和电源特征的信息融合的故障诊断方法，提出了基于双矢量特征的自调整加权融合诊断方法，提高了非线性模拟电路多软故障诊断的准确率。.在故障诊断特征的智能优化选择和提取方面，首先，研究了智能优化算法，提出了改进的遗传退火混合算法和改进的粒子群退火优化算法等，改善了全局寻优效果和效率。在此基础上，提出了退火遗传混合算法的故障特征智能选择和提取方法等，提高了故障特征选择和提取的质量和效率，从而改善了多软故障的诊断准确性。其次，针对非线性模拟电路的多软故障诊断中由于部分状态特征近似而影响诊断准确率的问题，在不提高电路信息采集工作量的情况下，采用分层诊断的思路，多软故障的辨识效果采用类间阈值评价方法，提出了基于Wiener核的智能优化递阶特征选择方法，有效地提高了具有相似特征的电路的多软故障诊断的准确率。.在神经网络的完善方面，研究了学习速率自动调整等优化方法，还研究了BP神经网络的遗传算法优化等，提高了诊断网络的学习能力和泛化能力。.此外还进行应用研究，开发完善了模拟电路故障诊断仪，组建了故障诊断测试系统。以测量过程中常用的典型电路及生命科学仪器的前端模拟电路为对象进行了大量的故障诊断实验。实验结果表明，本项目提出的方法是正确的，且具有较强的实用性。.总之，本项目形成了一套较系统实用的基于Weiner核的非线性电路多软故障诊断理论和方法，有效地解决了多软故障的诊断难题，为模拟电路故障诊断的进一步研究提供了基础理论和方法。