基于人工免疫算法的模擬電路故障診斷.pdf

1、模擬電路故障診斷一直以來(lái)都是十分必要和有意義的，目前已成為熱門的研究課題?，F(xiàn)代電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展促進(jìn)了片上系統(tǒng)和混合集成電路的大量涌現(xiàn)，這也對(duì)模擬電路的測(cè)試和故障診斷提出了更高的要求。傳統(tǒng)模擬電路故障診斷方法受到元件誤差影響較大，其診斷過(guò)程需求解大量的非線性方程，計(jì)算量大，診斷效果不是很理想。而現(xiàn)代智能技術(shù)為模擬電路故障診斷提供了一條有效的途徑。人工免疫系統(tǒng)具有非常適合模擬電路故障診斷的特性，它無(wú)需建立診斷對(duì)象的精確數(shù)學(xué)模型

2、，特別是其自組織、自學(xué)習(xí)和記憶等的能力，使其在故障診斷中具有很好的應(yīng)用前景。
　　 本文首先針對(duì)故障樣本信息的獲取進(jìn)行了研究，研究了模擬電路故障特征向量的提取方法，包括基于小波變換和有效點(diǎn)采樣的特征向量提取方法；然后深入地分析了人工免疫算法，總結(jié)出免疫算法的一般框架，在免疫算法的具體方法設(shè)計(jì)上進(jìn)行了探討；最后研究了基于克隆選擇算法和人工免疫網(wǎng)絡(luò)的模擬故障診斷方法。針對(duì)克隆選擇算法本身的一些缺陷，如就收斂速度慢，容易陷入局部收斂的

3、缺點(diǎn)，提出了自適應(yīng)的變異算子、交叉算子和小生境技術(shù)改進(jìn)的方法。該方法首先將每個(gè)抗體克隆后的集合作為小生境的子種群，分別對(duì)每個(gè)子種群利用自適應(yīng)克隆變異和交叉操作進(jìn)行全局和局部搜索的調(diào)節(jié)，對(duì)于提高電路故障診斷的速度有很大幫助，診斷效率也有一定的提高。人工免疫網(wǎng)絡(luò)的學(xué)習(xí)算法就是利用免疫網(wǎng)絡(luò)的激勵(lì)和抑制、克隆選擇等自適應(yīng)學(xué)習(xí)機(jī)制來(lái)產(chǎn)生一個(gè)能夠?qū)?yīng)和識(shí)別抗原的記憶抗體種群。人工免疫網(wǎng)絡(luò)為故障樣本的約減和聚類提供一種有效的方法。針對(duì)模擬電路故障診斷