李 浪1刘美容12

（1.湖南师范大学物理与信息科学学院，长沙 410081；2.合肥工业大学电气工程博士后流动站，合肥 230009）

基于Treelet变换的模拟电路故障诊断

李 浪1，刘美容1，2

（1.湖南师范大学物理与信息科学学院，长沙 410081；2.合肥工业大学电气工程博士后流动站，合肥 230009）

针对模拟电路故障诊断中特征向量冗余的问题，提出一种基于Treelet变换的模拟电路故障诊断方法，Treelet变换是一种自适应的多尺度的数据分析方法，适用于对高维数据降维和特征选择；文中首先对被测电路的输出信号采样，将采集到的信号进行Treelet变换，提取故障特征向量，最后将得到的特征向量输入BP神经网络进行故障模式识别；仿真实验结果表明，该方法能够有效地提取电路故障特征；与其他故障特征提取方法相比较，基于Treelet变换的模拟电路故障诊断方法具有较高的故障诊断率和收敛速度。

模拟电路；故障诊断；特征提取；Treelet变换

0 引言

模拟电路故障诊断自20世纪70年代提出以来，在世界范围内已取得卓有成效的研究成果［1］。近年来，因电子电路的快速发展，电路集成度的不断提高，相较于数字电路故障诊断，模拟电路故障诊断更加复杂。

在模拟电路故障诊断中，我们主要研究的工作有特征向量的提取和故障模式识别两大部分，而特征向量提取则关系到故障诊断的速度和准确度［2］。特征向量提取的主要思想是用尽量少的变量表示原始信号的大部分信息，使得多元问题降维［3］。近年来，大量学者提出了许多关于特征向量提取的方法，比较常用的有PCA、KPCA［4］、线性判别分析LDA［5］、小波变换［6］、曲波变换［7］等。……