數(shù)據(jù)驅(qū)動的模擬電路故障診斷實驗平臺

電路故障診斷技術(shù)具有重要的實用價值。在電路生產(chǎn)階段，需要識別不合格電路產(chǎn)品；在電路應用階段，需要識別電路中失效的元器件。針對鐵路列車運行控制與地車通信的核心設(shè)備———ＺＰＷ－２０００Ａ軌道電路，設(shè)計了一套基于模糊推理方法的電子設(shè)備故障診斷實驗平臺。模糊推理方法需要根據(jù)經(jīng)驗和知識設(shè)計模糊規(guī)則；而數(shù)據(jù)驅(qū)動方法只利用歷史故障數(shù)據(jù)進行學習，應用更簡便。
隨著數(shù)字化水平的提高，大量過程和設(shè)備運行數(shù)據(jù)被采集和存儲。數(shù)據(jù)驅(qū)動的故障診斷技術(shù)基于過程和設(shè)備的歷史監(jiān)控數(shù)據(jù)識別當前故障的類型，是國內(nèi)外先進控制領(lǐng)域的研究熱點。數(shù)據(jù)驅(qū)動的故障診斷問題可以看作分類問題，人工神經(jīng)網(wǎng)絡(luò)、支持向量機和隨機森林等常用分類方法都可以用來識別故障類型，介紹了這方面的應用。
筆者結(jié)合國家和山東省自然科學基金項目設(shè)計了數(shù)據(jù)驅(qū)動的模擬電路故障診斷實驗平臺。該實驗平臺將數(shù)據(jù)驅(qū)動的故障診斷技術(shù)應用到模擬電路的故障調(diào)試中，實現(xiàn)了故障類型的自動識別。該實驗平臺涉及電路故障模擬和數(shù)據(jù)驅(qū)動的故障診斷技術(shù)，為自動化、測控技術(shù)與儀器、電氣工程及其自動化和電子信息工程等專業(yè)的學生認識電路故障、深入學習和理解人工神經(jīng)網(wǎng)絡(luò)、支持向量機和隨機森林等分類算法提供了條件。
１　模擬電路的典型故障
在現(xiàn)行的高校課程中，無論是非電專業(yè)的“電工電子學”，還是電類專業(yè)的“電路分析”和“模擬電子技術(shù)”，教學內(nèi)容都沒有關(guān)于電路故障的系統(tǒng)介紹，學生也缺乏對電路故障的系統(tǒng)認識。然而在實驗課程的電路搭建環(huán)節(jié)和課程設(shè)計的電路焊接環(huán)節(jié)，經(jīng)常出現(xiàn)電路不能正常工作的情況，學生往往需要耗費較長時間排除電路故障。尤其是在課程設(shè)計過程中，由于電路規(guī)模大、元器件較多，學生往往會依賴教師排除故障。因此，有必要建立電路故障診斷實驗平臺，一方面可以加深學生對電路故障的認識，另一方面可以減少排除故障的時間。
模擬電路故障源于設(shè)計、制造和使用３個階段，學生接觸到的主要是在使用階段元器件引起的故障。可將模擬電路中元器件引起的故障分為硬故障和軟故障。硬故障是指元器件的參數(shù)發(fā)生極端變化，如短路、開路、失效等，硬故障將導致電路結(jié)構(gòu)發(fā)生變化，電路系統(tǒng)失效。軟故障是因元器件老化或受到環(huán)境的影響，致使性能參數(shù)改變，當這種改變超出容許范圍時發(fā)生電路軟故障。當電路發(fā)生軟故障時，元器件并未完全失效，但是電參數(shù)產(chǎn)生較大偏差，因而系統(tǒng)性能惡化。根據(jù)電路發(fā)生的故障數(shù)，可將模擬電路故障分為單一故障和復合故障。復合故障是２個或２個以上元器件同時發(fā)生故障，因而診斷工作比較困難。
以圖１所示電路為例，電阻Ｒ１的標稱值為１ｋΩ，容差為±５％。當電阻Ｒ１∈［０．９５，１．０５］ｋΩ時，電阻工作正常；而當Ｒ１＜０．９５ｋΩ時，電阻發(fā)生軟故障。極端情況下Ｒ１＝０，電阻短路，即發(fā)生硬故障；當Ｒ１＞１．０５ｋΩ時，電阻發(fā)生軟故障。極端情況下Ｒ１＝∞，電阻開路，發(fā)生硬故障（見圖２）。硬故障也可以看作軟故障的特例。圖１所示電路既可能發(fā)生軟故障，也可能發(fā)生硬故障；既可能發(fā)生單一故障，也可能發(fā)生復合故障。表１列出了部分故障的具體描述。

２　實驗平臺設(shè)計
設(shè)計的模擬電路故障診斷實驗平臺總體結(jié)構(gòu)如圖３所示，其工作過程包括離線建模和在線診斷兩部分。
首先利用計算機ＯｒＣＡＤ　ＰＳｐｉｃｅ軟件模擬電路運行狀態(tài)，產(chǎn)生歷史測量數(shù)據(jù)———正常電路測量數(shù)據(jù)和故障電路測量數(shù)據(jù)。然后，利用數(shù)據(jù)驅(qū)動的故障診斷方法和歷史測量數(shù)據(jù)建立故障診斷模型。當實際電路出現(xiàn)故障時，采集故障電路數(shù)據(jù)，輸入故障診斷模型，得到電路故障診斷結(jié)果。

圖３　模擬電路故障診斷實驗平臺結(jié)構(gòu)示意圖
利用實際故障電路可以獲得測量數(shù)據(jù)，但是獲得的電路故障類型有限、樣本數(shù)量有限。通過數(shù)學建模可以得到電路元器件的準確模型，且電路運行過程中受擾動的影響較小。因此，可以利用計算機仿真電路的正常運行狀態(tài)和多種故障運行狀態(tài)，獲得較多測量樣本。圖３中的數(shù)據(jù)驅(qū)動方法是指可以利用歷史測量數(shù)據(jù)實現(xiàn)故障診斷的方法，如人工神經(jīng)網(wǎng)絡(luò)、支持向量機和隨機森林等分類方法。離線建模是利用歷史測量數(shù)據(jù)訓練人工神經(jīng)網(wǎng)絡(luò)、支持向量機和隨機森林等。
３　數(shù)值仿真及結(jié)果分析
為了驗證模擬電路故障診斷實驗平臺的有效性，以圖１所示電路為例進行了數(shù)值仿真。
首先，利用ＯｒＣＡＤ　ＰＳｐｉｃｅ軟件對圖１所示電路的正常運行狀態(tài)和表１中列出的７種故障運行狀態(tài)進行３０次Ｍｏｎｔｅ－Ｃａｒｌｏ分析，獲取電路中６個可及測試結(jié)點２、４、６、８、９、１１的電位，組成觀測向量Ｘ＝｛Ｖ２，Ｖ４，Ｖ６，Ｖ８，Ｖ９，Ｖ１１｝的樣本數(shù)據(jù)。將正常運行狀態(tài)作為一種故障模式，模式序號為１；表１中故障１的模式序號為２，依此類推。通過仿真獲得８種故障模式共２４０個樣本數(shù)據(jù)。
以旋轉(zhuǎn)森林算法為例說明數(shù)據(jù)驅(qū)動的故障診斷方法。旋轉(zhuǎn)森林是隨機森林的改進算法，算法流程如圖４所示［１６］。選取２０次仿真數(shù)據(jù)訓練旋轉(zhuǎn)森林，訓練數(shù)據(jù)如圖５所示。其中，第１—２０個樣本對應正常運行

圖４　旋轉(zhuǎn)森林算法示意圖

圖５　８種故障模式的訓練數(shù)據(jù)
狀態(tài)，第２１—４０個樣本對應故障１，剩余樣本依此類推。可以看出部分故障模式的測量數(shù)據(jù)是比較接近的。旋轉(zhuǎn)森林的參數(shù)設(shè)置如下：決策樹２０棵，將觀測向量隨機分為３個子集，每個子集２個變量，主元分析時保留所有主元。在每個節(jié)點，利用Ｇｉｎｉ系數(shù)評價特征。選取剩余１０次仿真數(shù)據(jù)作為測試樣本，故障診斷結(jié)果如圖６所示。可以看出，故障診斷結(jié)果與實際故障模式一致。

圖６　旋轉(zhuǎn)森林診斷結(jié)果
４　結(jié)語
設(shè)計的基于數(shù)據(jù)驅(qū)動方法的模擬電路故障診斷實驗平臺能夠?qū)崿F(xiàn)電路故障模擬和故障識別，實驗內(nèi)容涵蓋電路仿真和基于數(shù)據(jù)驅(qū)動方法的故障診斷。該實驗平臺不僅有助于學生深入學習電路故障知識，縮短實驗和課程設(shè)計中故障電路調(diào)試時間，而且可以進行電路故障模擬和診斷相關(guān)的開放性實驗項目，為本科生課程設(shè)計、畢業(yè)設(shè)計和研究生掌握先進故障診斷方法提供了條件。