電路板故障診斷的多總線自動測試技術(shù)研究
加入技術(shù)交流群
把遺傳算法應(yīng)用于SVM的基本方法如下：
1)輸入樣本數(shù)據(jù)集，分配好訓(xùn)練樣本與診斷樣本，并將樣本數(shù)據(jù)歸一化。
2)參數(shù)初始化。即初始化一些基本參數(shù)，有GA算法中的最大進化代數(shù)、種群最大數(shù)量、交叉與變異概率及SVM中的懲罰參數(shù)C與核函數(shù)中參數(shù)的變化范圍、交叉驗證的次數(shù)。
3)對要優(yōu)化的參數(shù)C與進行二進制編碼，并按其分布均勻抽取一些個體組成一個初始種群。均勻抽取而成的初始種群比隨機抽取的可獲得的信息量更大，對算法更有優(yōu)勢。
4)將SVM的故障分類正確率設(shè)定為個體適應(yīng)度，分類正確率越高則個體適應(yīng)度越大。按照個體適應(yīng)值的大小，從種群中選出適應(yīng)值較大的個體進入下一代。
5)進行交叉和變異操作，形成新一代的種群。
6)當(dāng)平均適應(yīng)度值變化持續(xù)小于某一常數(shù)并超過一定代數(shù)時，得到具有最大適應(yīng)的個體作為最優(yōu)解輸出，并將得到的最優(yōu)解譯碼行得到優(yōu)化的參數(shù)。否則反復(fù)執(zhí)行3～5步。
7)把前一步得到的優(yōu)化參數(shù)作為SVM分類器主要參數(shù)C與的采用值，進行樣本訓(xùn)練與故障分類。
融合了遺傳算法的SVM既保留了SVM算法的優(yōu)勢，又并入了遺傳算法的優(yōu)點。從分布均勻的多個點構(gòu)成的群體開始搜索，在尋求最優(yōu)解的過程中只需由目標(biāo)函數(shù)值轉(zhuǎn)換得到的適應(yīng)值，而不需其它輔助信息，使算法更加簡單且不易陷入局部最優(yōu)解的困境中。并避開了原SVM算法中參數(shù)C選值困難的劣勢，提高了分類器的分類正確率。
3 電路診斷實例
整個故障診斷測試過程可用流程圖表示出來如圖3所示。在正確安裝好適配板后系統(tǒng)加電，判定系統(tǒng)提供的測試電壓無誤后，正確安裝上被測板，進入各項功能測試階段。對各功能模塊逐步測試，若所有功能都通過測試，沒有測出不正常值，則系統(tǒng)顯示電路板功能正常，系統(tǒng)斷電，測試結(jié)束。若測試過程中得出一個或一個以上的錯誤值，測試系統(tǒng)將進入故障診斷測試部分。本文引用地址：http://www.ex-cimer.com/article/193537.htm
以含常用元器件較多的繼電器開關(guān)控制電路為例，電路如圖4所示。當(dāng)電路中的某個元器件發(fā)生故障，如電阻開路或是運放故障，輸出信號的電壓幅值、高值、低值、頻率和占空比等特性會發(fā)生變化，測試系統(tǒng)在測試時將這些電路特性值保存下來，留作樣本數(shù)據(jù)使用，再采用分類器進行故障診斷。
將測試得到250個樣本，前100個做訓(xùn)練樣本，剩余的150個做測試樣本。訓(xùn)練集與測試集經(jīng)數(shù)據(jù)歸一化預(yù)處理后，用一般的支持向量機與基于遺傳算法的支持向量機分別進行故障診斷。診斷結(jié)果如表1所示?；谶z傳算法的分類器故障診斷的正確率可高達99．33％。
4 結(jié)論
該多總線自動化測試系統(tǒng)將多種測試儀器集成于一體，方便了測試。采用高傳輸速率的VXI與1394總線縮短了電路板測試過程中測試數(shù)據(jù)的傳輸及處理的時間，從而提高了測試的效率。系統(tǒng)通過不同的測試診斷程序，可測試不同的電路板，具有通用性與實用性，避免了測試系統(tǒng)重復(fù)建設(shè)而造成的資金浪費，降低了測試系統(tǒng)開發(fā)與維護的成本。并在該測試系統(tǒng)資源平臺上增加了采用基于遺傳算法的支持向量機分類器，提高了電路診斷的正確率。
評論