小波開(kāi)關(guān)電流技術(shù)實(shí)現(xiàn)理論與方法中文摘要

小波函數(shù)與小波變換的低壓低耗集成電路技術(shù)實(shí)現(xiàn)是集成電路設(shè)計(jì)學(xué)術(shù)前沿和難點(diǎn)。本課題將低電壓低功率開(kāi)關(guān)電流電路技術(shù)拓展到小波函數(shù)與小波變換實(shí)現(xiàn)研究領(lǐng)域，系統(tǒng)地研究用開(kāi)關(guān)電流電路技術(shù)實(shí)現(xiàn)連續(xù)小波變換、小波變換算法，提出時(shí)域和頻域小波變換開(kāi)關(guān)電流技術(shù)電路實(shí)現(xiàn)理論和方法，提出開(kāi)關(guān)電流小波函數(shù)發(fā)生器和小波變換電路基本元器件系統(tǒng)生成理論與方法，提出小波變換算法開(kāi)關(guān)電流技術(shù)實(shí)現(xiàn)理論和方法，提出小波變換開(kāi)關(guān)電流電路低電壓低功耗運(yùn)行條件下最優(yōu)結(jié)構(gòu)設(shè)計(jì)方法，為實(shí)現(xiàn)低電壓低功率全集成開(kāi)關(guān)電流模擬小波變換提供理論基礎(chǔ)，發(fā)表學(xué)術(shù)論文，研制新的模擬小波變換電路芯片，為實(shí)時(shí)小波變換提供一種重要的新的實(shí)現(xiàn)途徑。它將開(kāi)創(chuàng)小波變換實(shí)現(xiàn)研究的一個(gè)新領(lǐng)域，對(duì)推動(dòng)開(kāi)關(guān)電流電路理論與設(shè)計(jì)技術(shù)應(yīng)用于小波變換及其網(wǎng)絡(luò)實(shí)現(xiàn)、建立和發(fā)展新學(xué)科、推動(dòng)小波理論及其應(yīng)用的發(fā)展有重要的理論意義和實(shí)際意義。 2100433B

針對(duì)開(kāi)關(guān)電流(SI)電路的故障診斷和定位問(wèn)題，為進(jìn)一步提高故障準(zhǔn)確率，提出了基于信息熵和Haar小波變換的開(kāi)關(guān)電流電路故障診斷新方法。該方法采用偽隨機(jī)信號(hào)激勵(lì)經(jīng)蒙特卡羅分析、Haar小波正交濾波器分解和信息熵及模糊集的計(jì)算來(lái)實(shí)現(xiàn)故障特征的提取，以減少信號(hào)的冗余。最后構(gòu)建故障字典，完成各故障模式的故障分類(lèi)。對(duì)六階切比雪夫低通濾波器進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證，獲得了100%的故障診斷準(zhǔn)確率，與其它方法進(jìn)行比較，實(shí)驗(yàn)結(jié)果顯示了該方法的優(yōu)越性。

信息電路基于信息熵和Haar小波變換的故障診斷方法

基于信息熵和Haar小波變換的開(kāi)關(guān)電流電路故障診斷方法為，首先采用線性反饋移位寄存器(LFSR)生成周期性偽隨機(jī)序列，合理選擇偽隨機(jī)序列長(zhǎng)度，獲得帶限白噪聲測(cè)試激勵(lì)。然后定義故障模式，采集電路原始響應(yīng)數(shù)據(jù)，利用Haar小波正交濾波器作為采集序列的預(yù)處理系統(tǒng)，獲得原始響應(yīng)數(shù)據(jù)的低頻近似信息和高頻細(xì)節(jié)信息，達(dá)到一路輸入兩路輸出的目的。最后計(jì)算相應(yīng)的信息熵及其模糊集，提取最優(yōu)故障特征，構(gòu)建故障字典，完成各故障模式的故障分類(lèi)。該方法的具體實(shí)現(xiàn)步驟如下：

步驟1：產(chǎn)生偽隨機(jī)測(cè)試激勵(lì)。要使故障易于檢測(cè)，應(yīng)該考慮增大無(wú)故障電路與故障電路的距離，為了能準(zhǔn)確地進(jìn)行故障定位和識(shí)別，可以采用偽隨機(jī)序列激勵(lì)來(lái)使無(wú)故障響應(yīng)與故障狀態(tài)響應(yīng)之間的差別增大。合理選擇偽隨機(jī)序列長(zhǎng)度，以盡可能短的偽隨機(jī)測(cè)試序列獲得盡可能大的故障覆蓋率。

步驟2：定義故障模式。為了獲得元器件參數(shù)的變化對(duì)電路系統(tǒng)特征的一階改變，對(duì)電路進(jìn)行靈敏度分析，來(lái)實(shí)現(xiàn)故障元件的定位，最后可以對(duì)故障模式進(jìn)行正確地區(qū)分。

步驟3：采集電路原始響應(yīng)數(shù)據(jù)。將偽隨機(jī)信號(hào)激勵(lì)開(kāi)關(guān)電流被測(cè)電路，采用開(kāi)關(guān)電流電路仿真軟件(AS-IZ) 對(duì)電路的各種故障狀態(tài)進(jìn)行仿真，完成原始響應(yīng)數(shù)據(jù)的采集。

步驟4：Haar小波正交濾波器預(yù)處理。利用Haar小波正交濾波器作為采集序列的預(yù)處理系統(tǒng)，獲得原始響應(yīng)數(shù)據(jù)的低頻近似信息和高頻細(xì)節(jié)信息，實(shí)現(xiàn)一路輸入兩路輸出。

步驟5：故障特征提取。開(kāi)關(guān)電流電路測(cè)試與診斷的重要步驟是如何完成故障特征的提取，這一步驟也是構(gòu)建故障字典的基礎(chǔ)。提取信號(hào)的特征參數(shù)—信息熵來(lái)識(shí)別電路各種故障模式，通過(guò)MATLAB軟件完成預(yù)處理后的信號(hào)信息熵的計(jì)算。

步驟6：計(jì)算信息熵模糊集，構(gòu)建故障字典，進(jìn)行故障分類(lèi)。經(jīng)過(guò)以上的步驟可得到故障模式、故障代碼和故障特征值以及故障特征模糊集幾組數(shù)據(jù)，將以上幾組數(shù)據(jù)列表即為故障字典，即可利用該故障字典進(jìn)行故障分類(lèi)。

信息電路軟故障診斷

利用ASIZ開(kāi)關(guān)電流電路專(zhuān)業(yè)仿真軟件對(duì)該電路進(jìn)行靈敏度分析，靈敏度分析結(jié)果顯示Mg1，Mf1，Mi1，Mb，Mh和Mk取值的變化對(duì)電路輸出響應(yīng)影響較大，因此選擇這6個(gè)晶體管進(jìn)行故障診斷分析。設(shè)跨導(dǎo)gm的容差范圍分別是5%或10%，發(fā)生軟故障時(shí)，跨導(dǎo)gm值偏離其標(biāo)稱(chēng)值的±50% 。共有12類(lèi)故障模式，加上電路正常狀態(tài)( 故障代碼為F13)，共有13種電路狀態(tài)，分別為Mg1↑，Mg1↓，Mf1↑，Mf1↓，Mi1↑，Mi1↓，Mb↑，Mb↓，Mh↑，Mh↓，Mk↑，Mk↓和NF。這里↑和↓意味著明顯高于或低于標(biāo)稱(chēng)gm值，對(duì)電路的正常狀態(tài)和故障狀態(tài)分別進(jìn)行ASIZ仿真，實(shí)驗(yàn)中電路某一時(shí)刻只設(shè)置一個(gè)晶體管發(fā)生故障，當(dāng)故障元件的跨導(dǎo)gm值相對(duì)標(biāo)稱(chēng)值發(fā)生了上下偏移，表示電路發(fā)生了軟故障。例如：當(dāng)一個(gè)MOS管上下偏移了其標(biāo)稱(chēng)值50%，但另外幾個(gè)MOS管僅僅只在它的容差范圍內(nèi)變化，此時(shí)電路發(fā)生了軟故障，而正常狀態(tài)(NF)時(shí)所有晶體管跨導(dǎo)值在各自的容差范圍內(nèi)變化。

測(cè)試激勵(lì)信號(hào)采用一個(gè)由8階線性反饋移位寄存器(LFSR)產(chǎn)生的255位偽隨機(jī)序列信號(hào)，與正弦信號(hào)相比，偽隨機(jī)信號(hào)測(cè)試有很多優(yōu)點(diǎn)：

1) 能使正常電路和故障電路的時(shí)域和頻域響應(yīng)差別增大，便于故障定位。

2) 易產(chǎn)生高質(zhì)量測(cè)試標(biāo)識(shí)信號(hào)，降低了測(cè)試了成本。首先對(duì)電路各種故障狀態(tài)實(shí)施時(shí)域分析和30次蒙特卡羅(Monte-Carla)分析，分析時(shí)取采樣頻率為100kHz，獲得具有158個(gè)采樣點(diǎn)的故障響應(yīng)信號(hào)。也就是說(shuō)，每種故障模式可獲得30個(gè)時(shí)域故障響應(yīng)樣本，每個(gè)樣本包含158個(gè)采樣點(diǎn)。接著對(duì)這30個(gè)樣本信號(hào)實(shí)施Haar小波正交濾波器預(yù)處理，獲得原始響應(yīng)數(shù)據(jù)的低頻近似信息和高頻細(xì)節(jié)信息，實(shí)現(xiàn)一路輸入兩路輸出。因此，對(duì)于每種故障模式來(lái)說(shuō)，其時(shí)域故障響應(yīng)特征具有30個(gè)樣本，且每個(gè)樣本包含2個(gè)屬性(低頻近似信息和高頻細(xì)節(jié)信息)?？偟膩?lái)說(shuō)，13種故障模式共組成了780個(gè)時(shí)域響應(yīng)樣本。最后，在MATLAB環(huán)境下計(jì)算每種故障模式的低頻近似信息熵和高頻細(xì)節(jié)信息熵，提取其故障特征。對(duì)應(yīng)這13種故障模式的780個(gè)時(shí)域響應(yīng)樣本，獲得每種故障模式的低頻近似信息熵模糊集和高頻細(xì)節(jié)信息熵模糊集。 2100433B

不難看出，導(dǎo)向圖濾波的主要步驟就兩個(gè)，計(jì)算每個(gè)公式中的各種平均值，然后根據(jù)平均值計(jì)算出

計(jì)算平均值可以通過(guò)積分圖高效的實(shí)現(xiàn)，matlab代碼如下：

矩形濾波代碼（計(jì)算窗口平均值）

functionimDst=boxfilter(imSrc,r)%BOXFILTERO(1)timeboxfilteringusingcumulativesum
%
%-DefinitionimDst(x,y)=sum(sum(imSrc(x-r:x r,y-r:y r)));
%-Runningtimeindependentofr;
%-Equivalenttothefunction:colfilt(imSrc,[2*r 1,2*r 1],'sliding',@sum);
%-Butmuchfaster.[hei,wid]=size(imSrc);
imDst=zeros(size(imSrc));%cumulativesumoverYaxis
imCum=cumsum(imSrc,1);
%differenceoverYaxis
imDst(1:r 1,:)=imCum(1 r:2*r 1,:);
imDst(r 2:hei-r,:)=imCum(2*r 2:hei,:)-imCum(1:hei-2*r-1,:);
imDst(hei-r 1:hei,:)=repmat(imCum(hei,:),[r,1])-imCum(hei-2*r:hei-r-1,:);%cumulativesumoverXaxis
imCum=cumsum(imDst,2);
%differenceoverYaxis
imDst(:,1:r 1)=imCum(:,1 r:2*r 1);
imDst(:,r 2:wid-r)=imCum(:,2*r 2:wid)-imCum(:,1:wid-2*r-1);
imDst(:,wid-r 1:wid)=repmat(imCum(:,wid),[1,r])-imCum(:,wid-2*r:wid-r-1);
end