1、 年第卷第期 传感器与微系统（）：（）模拟电路中黏菌算法优化故障诊断模型研究林知微，王成吉，刘宗朋（北京理工大学自动化学院，北京）摘要：模拟电路中故障信息复杂多样，为提高故障诊断准确率，提出一种黏菌算法（）优化极限学习机（）的模型。首先，采用线性判别分析（）方法对故障电路原始数据集进行降维，得到网络训练所需的数据；其次，针对随机生成的输入权值和隐含层偏置易导致模型泛化能力差的问题，使用优化的输入权值和隐含层偏置，以获得更优、更稳定的网络参数，提高故障诊断能力。连续可变状态（）滤波器电路和带通滤波器的诊断实例表明，优化的故障诊断模型提升了模型的分类效果，具有更优的故障诊断性能。关键词：线性判别分
2、析；黏菌算法；极限学习机；模拟电路；故障诊断中图分类号：文献标识码：文章编号：（），（，）：，（）（），（），（）：（）；（）；（）；引言现代模拟电路故障诊断方法 本质是模式识别和分类问题。极限学习机（，）作为一种分类识别方法，可以解决复杂的非线性和不确定性的建模和诊断问题，其结构简单、整体计算所需要的时间短、精度高、稳定性好，在模拟电路故障诊断中有着广泛的应用。文献 提出了一种基于主成分分析（）降维和分类的故障诊断方法；文献提出核稀疏保局投影（，）和的故障分类方法，有效地降低了计算复杂度，提高了抗干扰性和诊断准确性。因此，将应用到模拟电路故障诊断中是可行的。然而，由于输入层权值和隐含层收稿日
3、期：阈值是随机分配的，网络性能波动较大。所以，可以利用仿生优化算法对其网络参数进行优化，以提高网络性能。黏菌算法（，）是模拟黏菌捕食行为的一种仿生算法。黏菌根据气味识别到食物后，通过细胞质的流动形成多个叶脉，同时向多个食物进行移动，当叶脉接近食物源时，黏菌的生物振荡器产生一种传播波，增加细胞质流动速度，细胞质流动越快，叶脉就越厚。这种正反馈机制，使得黏菌能以一种较优的方式建立连接食物的路径。本文提出一种将应用优化中，并结合线性判别分析（，）算法的故障数据降维来进行模拟电路故障诊断的方法。传 感 器 与 微 系 统第卷 定义全局散度矩阵，类内散度矩阵和类间散度矩阵如下（）（）（）（）（）（）（）
4、（）（）式中 为所有标签为的样本的均值向量，为全部样本的均值向量，（）（）为描述样本和总样本之间关系的协方差矩阵。的一种实现方法如下（）（）（）式中 （），的闭式解是的个最大非零广义特征值所对应的特征向量组成的矩阵，。将作为投影矩阵，则可将样本投影到维空间。优化诊断模型 基础 寻找食物阶段寻找食物阶段模型可由下述公式定义（）（）（）（），（），0（）式中（）为当前发现的气味浓度最高的黏菌个体位置，（）和（）为从黏菌中随机选择的个个体，为权重。为，之间振荡的向量，为，之间振荡的向量。的公式如下（）（）式中（）为（）的适应度，为在所有迭代中获得的最佳适应度。包围食物阶段式（）中权重的公式如下（）（
5、），（），0（）（）（）式中（）为黏菌排名前半部分的群体的适应度，为区间，内的随机值，为当前最佳适应度，为当前最差适应度值，为适应度的排序序列。式（）模拟了黏菌的叶脉宽度与食物浓度之间的正反馈和负反馈，为叶脉收缩模式的不确定性。模拟黏菌根据食物浓度来调整搜索模式。当食物浓度较高时，该区域附近的权重较大；当食物浓度较低时，该区域附近的权重较小，从而转向探索其他区域。根据上述方法，修正公式如下（），（）（）（），（），0（）式中 和分别为搜索的上下边界，和分别为，中的随机值，值根据实际情况进行设置。振荡阶段利用，和参数模拟生物振荡器来产生传播波实现叶脉宽度的变化，以提高黏菌选择最佳食物来源的效率。
6、在，之间随机振荡，并逐渐趋近于零，的振荡过程模拟了黏菌的状态，决定是接近食物源还是寻找其他食物源。的值在，之间振荡，最终趋于零。个变量的振荡趋势如图所示。和之间的协同作用模拟了黏菌的选择性行为。5004003002001000-3-113变量值进化代数vbvc-202图，振荡曲线 基础如图所示，对于一个维的样本细节集，单隐层神经网络（）的输出可以表示为（）（）（）式中 为输入层和隐含层之间的连接权重向量，（）为隐含层的激励函数，为隐含层与输出层之间的连接权重。g(w1，b1，x)茁1g(wi，bi，x)g(wL，bL，x)茁i茁Lx1N1Mf(x)i1L图 网络结构 优化的初始输入权值和隐含层
7、偏置随机产生，难以保证训练后的模型拥有好的泛化能力和高的预测精度。针对该问题，本文将应用到中，优化具体步骤如下：第期林知微，等：模拟电路中黏菌算法优化故障诊断模型研究）初始化黏菌搜索分支数量、最大迭代数和每个搜索分支的位置；）初始化网络参数；）将黏菌搜索分支的位置信息作为网络隐含层的偏置和输入权重，并将求得的网络训练误差作为算法的适应度值；）根据适应度值更新最佳适应度和具有最佳适应度的搜索分支的位置；）根据式（）、式（）更新参数，和；）根据式（）更新黏菌搜索分支的位置；）检查是否达到最大迭代次数，如果达到，则跳转至步骤（），否则返回步骤（）；）输出最佳适应度和训练后的模型。电路诊断应用实例实例
8、连续可变状态（，）滤波器电路如图所示，其中，电阻和电容的容差分别为 和。0R6?3?k赘1?VacR1?10?k赘R2?10?k赘R5?10?k赘R3?10k赘R7?7?k赘C1?20?nFC2?20?nFR4?10?k赘-15+15V-V+-+-+-+OUTOUTOUT234816548-15+15V-V+72348-15+15V-V+OUT100图 滤波器 选择，作为研究对象进行模拟电路故障分析。当电路中某一元件的参数值高于或低于其容差范围时，则认为电路发生故障。用表示元件发生高于容差范围上限（电阻元件为原值的之间，电容元件为原值的之间）的故障，表示元件发生低于容差范围下限（电阻元件为原值
9、的 之间，电容元件为原值的 之间）的故障，则滤波器故障模式可表示为，和（正常），一共种故障类型。其故障模式与故障值如表所示。表 滤波器电路故障类型与故障值故障代码故障模式标称值故障值 使用 软件对滤波器进行交流扫描，电压幅值为，扫描频率为 ，对电路的种故障模式分别进行次 分析，在电路的输出端采集电压数据，得到 个输入向量。种故障类型的电路输出波形如图所示，图中深色曲线为滤波器正常情况下的输出。以步长为在 选取个采样点构成维输入矢量，构成故障数据集，使用算法将维的输入数据降到维，得到降维后的故障数据集，之后采用五折交叉验证方法进行训练集和测试集划分。1010.100.51.01.52.02.5电
10、压/V频率/kHz图电路输出波形对比 为了验证优化的模型效果，使用粒子群优化（，）算法优化的故障诊断模型与优化故障诊断模型进行比较。诊断结果如图和表。201510500.040.050.060.07诊断错误率进化代数PSO-ELM(训练）0.050.060.070.080.09PSO-ELM(预测）SMA-ELM(预测)SMA-ELM(训练)20151050进化代数诊断错误率0.050.060.070.080.0920151050进化代数诊断错误率201510500.040.050.060.07诊断错误率进化代数(d)(c)(a)(b)图 滤波器故障诊断结果表 滤波器故障诊断预测结果诊断模型初
11、次预测精度最终预测精度 从图（）中可以看出，在训练阶段，优化模型随着迭代次数的增加故障诊断错误率急剧下降，迭代到第次后诊断错误率稳定在 处；图（）中优化模型在迭代过程中诊断错误率下降缓慢且有持续的波动；从图（）中可以看出，在测试阶段，优化模型在迭代过程中下降明显，且在下降过程中无波动，根据表，优化模型由初次的诊断精度 提高到了 。由此可见，优化模型具有更好的鲁棒性和更佳的寻优能力。传 感 器 与 微 系 统第卷实例带通滤波器电路如图所示，由个电阻、个电容和个运算放大器构成。选择，作为研究对象进行模拟电路故障分析，则带通滤波器电路故障模式可表示为，和（正常），一共种故障类型，故障数据采集方法同实
12、例。1VacR1?1?k赘 C1?5?nFR2?3?k赘C25?nFR32?k赘R44?k赘R5?4?k赘+15-15V+V-+-OUTOUT328410+-图 带通滤波器 分别采用和两种模型进行故障诊断，网络参数、粒子群参数和黏菌参数与实例相同，诊断结果如表。从表中可以得出优化模型分类性能更佳。表 带通滤波器故障诊断预测结果诊断模型初次预测精度最终预测精度 结束语本文针对的初始输入权值和隐含层偏置随机产生，难以保证训练后的模型拥有好的泛化能力的问题，提出使用对输入权值和隐含层偏置进行优化，提高的学习能力。最后对个实例进行故障诊断，实验中对比了优化的方法，验证了本文方法的有效性和可行性。本文的
13、模拟电路故障诊断方法，可以推广到其他类型模拟电路，并结合其电路输出信号特征进行故障分类。参考文献：，（）：，（）：，（）：，（）：，（）：单剑锋，杨雨粒子群优化的流形模拟电路故障诊断机械科学与技术，（）：姜媛媛，韩振云，崔江基于的模拟电路故障字典法传感器与微系统，（）：，（）：，：，（）：陈绍炜，吴敏华，赵帅基于和的模拟电路故障诊断计算机工程与应用，（）：，：颜学龙，汪斌斌自适应狼群算法优化的模拟电路故障诊断计算机工程与科学，（）：陈绍炜，柳光峰，冶帅，等基于蝙蝠算法优化的模拟电路故障诊断研究电子测量技术，（）：刘唐，周炜，王晓丹改进磷虾群算法优化的入侵检测火力与指挥控制，（）：张莹，苏建徽，汪海宁，等基于改进磷虾群算法优化神经网络的电堆建模电测与仪表，（）：赵虎，左开伟，覃永震改进人工蜂群算法优化分类模型计算机测量与控制，（）：余萍，曹洁，黄开杰 算法滚动轴承故障诊断传感器与微系统，（）：，（）：，：，：作者简介：林知微（），女，通讯作者，博士，副教授，研究领域为复杂电路设计与测试。王成吉（），男，硕士研究生，研究方向为模拟电路故障诊断算法。
