《基于小波包分析和二叉树支持向量机的模拟电路故障诊断学位论文 东北大学信息科学与工程学院》由会员分享，可在线阅读，更多相关《基于小波包分析和二叉树支持向量机的模拟电路故障诊断学位论文 东北大学信息科学与工程学院（92页珍藏版）》请在金锄头文库上搜索。
1、分类号 密 级 U D C 学 位 论 文基于小波包分析和二叉树支持向量机的模拟电路故障诊断系统研究及实现作 者 姓 名 ：指 导 教 师 ：东北大学信息科学与工程学院电子信息工程研究所申请学位级别： 硕 士学 科 类 别 ：工 学学科专业名称： 电工理论与新技术论文提交日期：论文答辩日期：学位授予日期：答辩委员会主席：评 阅 人 ：A Thesis for the Degree of Master in Electrical Theory and New TechnologyResearch and Realization of Fault Diagnosis System of Analo
2、g Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector Machinesby LiuLiu JunfangJunfangSupervisor : Professor Wang AnnaNortheastern UniversityJanuary 2008I独创性声明本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明
3、并表示诚挚的谢意。学位论文作者签名 ：签 字 日 期 ： 学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。(如作者和导师同意网上交流，请在下方签名：否则视为不同意)学位论文作者签名 ： 导 师 签 名 ：签 字 日 期 ： 签 字 日 期 ：毕业设计（论文）原创性声明和使用授权说明毕业设计（论文）原创性声明和使用授权说明原创性声明原创性声明东北大学硕士学位论文摘 要II本人郑重承诺：所呈交的毕业
4、设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日 期： 使用授权说明使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或
5、其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 东北大学硕士学位论文摘 要III学位学位论论文原文原创创性声明性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的 个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位学位论论文版文版权权使用授使用授权书权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家
6、有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权 大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日东北大学硕士学位论文摘 要IV基于小波包分析和二叉树支持向量机的模拟电路故障诊断系统研 究及实现摘 要模拟电路的可靠性决定了电子设备系统的可靠性，模拟电路故障诊断具有极其重要的现实意义，是电工电子领域的一个前沿研究课题。随着模拟电路不断向大型化、集成化方向发展，电路的复杂性不断提高，故障诊断的难度也随之增大，且一旦发生故
7、障，可能会造成人员和财产的巨大损失。因此，及时准确地预测和检测出电路故障，既可以减少事故，保证系统平稳可靠地运行，同时也可以降低生产成本。基于人工智能的机器学习方法能够构造多类分类学习模型，进行模拟电路故障诊断，是目前研究的热点之一。本文以辽宁省自然科学基金项目“基于支持向量机电气电子系统故障诊断及预测新方法研究”为背景，研究了基于小波包分析和二叉树支持向量机的模拟电路故障诊断方法。针对模拟电路往往有容差，而且不同节点的电压或电流对不同故障敏感的特点，利用 PSpice 特有的蒙特卡洛分析和最坏情况分析功能，对不同故障状态的信号进行采集。传统的小波变换(Wavelet Transform,WT
8、)只对信号近似部分(低频)作进一步的分解，小波包变换(Wavelet Packet Transform,WPT)则可以同时对近似部分和细节部分(高频)进行分解，本文用小波包变换对电路故障信号进行特征提取。研究了模拟电路输出信号频率成分能量的变化情况和不同故障信号的对应关系，将能量向量作为故障特征向量。针对模拟电路不同故障的特点，提出了最优小波包变换(Optimal Wavelet Packet Transform，OWPT)和不完全小波包变换 (Incomplete Wavelet Packet Transform，IWPT)的信号特征提取方法。实验结果表明，最优小波包变换适合于软故障特征提取
9、，不完全小波包变换适合于硬故障特征提取。最初的支持向量机(Support Vector Machines，SVM)算法是对两类问题进行分类，但模拟电路故障分类大多属于多类分类问题。针对目前常用的基于 SVM 一对多(1-versus-rest，1-V-r)、一对一(1-versus-1，1-V-1)和决策导向无环图(Decision Directed Acyclic Graph，DDAG)等多类分类算法的不足，本文提出了四种基于分离性测度的二叉树 SVMs (Binary Tree Support Vector Machines，BTSVMs)分类方法：偏二叉树 SVMs 东北大学硕士学位论文
10、摘 要V(Slantwise Binary Tree Support Vector Machines, SBTSVMs)、随机二叉树 SVMs (Random Binary Tree Support Vector Machines, RBTSVMs)、完全二叉树 SVMs (Complete Binary Tree Support Vector Machines, CBTSVMs)和自适应二叉树 SVMs (Adaptive Binary Tree Support Vector Machines, ABTASVMs)。所做的模拟电路故障诊断仿真实验表明，本文提出的基于改进二叉树 SVMs 多类
11、分类算法是可行的，有效地提高了故障诊断准确率和速度。基于 Matlab7.04 平台，开发了模拟电路故障诊断系统，系统设计了故障诊断的各个模块，实现了基于改进 BTSVMs 算法的模拟电路故障诊断。 关键词：模拟电路；故障诊断；小波包；支持向量机；二叉树；多类分类东北大学硕士学位论文AbstractVIResearch and Realization of Fault Diagnosis System of Analog Circuit Based on Wavelet Packet Analysis and Binary Tree Support Vector MachinesAbstrac
12、tThe reliability of electrical systems depends on that of analog circuits, analog circuits fault diagnosis research is significant and is a forefront subject in the electronic area. With the manufacture of modern circuits becoming large-scale and integrated, circuits become more and more complex, th
13、e complexity of fault diagnosis increases. Once fault occurs, it might cause large casualties and serious economic losses. Therefore, if fault could be detected and diagnosed in time and accurately, the possibility of accident occurring will be reduced, the systems could run stably and safely and th
14、e cost of process management also falls. The fault diagnosis methods based on artificial intelligence and machine learning could construct multi-classification learning models and make fault diagnosis, which is a hot research subject. Based on the Liaoning province nature science fund project New me
15、thods based on support vector machine study for fault diagnosis and forecast of electric and electron system, the thesis researches fault diagnosis method of analog circuit based on wavelet packet analysis and binary tree support vector machines.Because analog circuits are usually with tolerances and the voltage and current of different nodes are sensitive to different fault components, the Monte carlo analysis and the Worst case analysis special functions of PSpice are used to collect different fault information. The orthodox wavelet transform
