李泽宇　吴文全

摘 要： 相比于小波变换，小波包变换具有较高的分辨率和细致的分析能力，是小波变换的延伸和发展。支持向量机具有较好的泛化能力，能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题，采用量子粒子群优化算法选取支持向量机的参数，将优化后的支持向量机与小波包变换相结合，利用小波包变换提取电路的故障特征，然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析，验证该方法的有效性。

关键词： 小波包变换； 支持向量机； 量子粒子群算法； 故障诊断

中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2016）07?0158?03

Abstract： Compared with wavelet transform， the wavelet packet transform has higher resolution and more meticulous analysis ability， which is the extension and development of wavelet transform. The support vector machine has good generalization ability， and can be applied to analog circuit fault diagnosis. Since the parameters of support vector machine are difficult to determine， the quantum?behaved particle swarm optimization algorithm is used to select the parameters of support vector machine（SVM）. The optimized SVM is combined with the wavelet packet transform. The wavelet packet transform is used to extract the circuit fault feature， and then the optimized SVM is adopted to recognize the feature vector. The validity of the method was verified with the example analysis.

Keywords： wavelet packet transform； support vector machine； quantum?behaved particle swarm algorithm； fault diagnosis

0 引 言

随着电子技术的高速发展，电子设备正朝着集成化、复杂化、智能化的方向发展。模拟电路在设备中起到相当关键的作用，是电子设备的重要组成部分[1]。目前，设备中的数模混合电路应用广泛，其模块化和元件集成度较高，其中模拟电路部分的故障发生率远高于数字部分，达到8成以上[2]。因此，模拟电路故障诊断逐渐成为新的热门课题，是未来电路发展的必然要求。

本文采用支持向量机实现故障分类，首先对实例电路进行分析，利用小波包变换对电路的各种模式进行特征提取，获得后续分类需要的故障信息。然后利用量子粒子群算法优化SVM的参数，通过优化后的参数构造SVM用于故障的识别。经过实例的验证，可以说明此方法具有较好的识别率，能够应用于模拟电路的故障诊断。……