作者：吴世浩1,2, 孟亚峰1, 王超3
作者单位：1. 陆军工程大学电子与光学工程系, 河北 石家庄 050003;
2. 中国人民解放军63850部队, 吉林 白城 137000;
3. 中国人民解放军65735部队, 辽宁 丹东 118000
关键词：Volterra级数;BP神经网络;非线性模拟电路;烟花算法
摘要：
为增强非线性模拟电路故障诊断中故障模式之间的可辨识性，提高故障诊断率，提出一种基于改进烟花算法的非线性模拟电路测试激励优化方法。该方法首先采用基于Volterra频域核和BP神经网络的方法对非线性模拟电路进行建模，进而针对烟花算法存在寻优速度慢、效率低等问题，对其爆炸算子、变异算子、选择策略等进行改进，采用改进后的烟花算法对非线性模拟电路的测试激励进行寻优，通过电路仿真表明，优化后的信号可有效提高故障可分性，从而提高故障诊断率。
Optimizing the test stimulus of the nonlinear analog circuits based on improved firework algorithm
WU Shihao1,2, MENG Yafeng1, WANG Chao3
1. Department of Electronic and Optical Engineer, Army Engineering University, Shijiazhuang 050003, China;
2. No.63850 Unit of PLA, Baicheng 137000, China;
3. No.65735 Unit of PLA, Dandong 118000, China
Abstract: In order to improve the distinguish ability of fault samples in nonlinear analog circuits and enhance the diagnostic performance of fault diagnosis, a novel test stimulus method of the nonlinear analog circuits based on improved firework algorithm is proposed. First, Volterra frequency-domain and BPNN is used for modeling the nonlinear circuits, then the explosion operator, mutation operator, selection strategy are improved to solve the diagnosis problem of slow speed and low efficiency, the improved firework algorithm is used to optimize the test stimulus of nonlinear analog circuits. The circuit simulation indicates that the optimized signal can improve the fault separability and improve the fault diagnosis rate effectively.
Keywords: Volterra series;BPNN;nonlinear analog circuits;fireworks algorithm
2019, 45(6):138-145 收稿日期: 2018-03-02;收到修改稿日期: 2018-04-13
基金项目: 国家自然科学基金（61372039）
作者简介: 吴世浩(1993-),男,河南焦作市人,硕士研究生,专业方向为装备测试与故障诊断
参考文献
[1] 赵鹏. 模拟电路测点优选与测试生成方法研究[D]. 南京:南京航空航天大学, 2010.
[2] CHUA L O, LIAO Y L. Measuring Volterra kernel[J]. International Journal of Circuit Theoty and Applications, 1989, 17(2):151-190
[3] VARIYAM V N, CHERUBAL S, CHATTERJEE A. Prediction of analog performance parameters using fast transient testing[J]. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2006, 21(3):349-361
[4] 殷时蓉. 基于Volterra级数和神经网络的非线性电路故障诊断研究[D]. 成都:电子科技大学, 2007.
[5] 林海军, 张礼勇, 顾耕, 等. 基于退火遗传混合算法的模拟电路诊断激励优化[J]. 电测与仪表, 2009, 46(12):17-19
[6] 韩海涛, 马红光, 谭力宁. 基于灵敏度分析及Volterra级数的非线性模拟电路故障诊断[J]. 电路系统学报, 2013, 18(1):17-22
[7] 孔祥玉, 马红光, 韩崇昭.非线性系统建模及故障诊断应用[M].北京:科学出版社, 2014:125-144.
[8] 卫小娟, 丁旺才, 李宁洲, 等. 基于改进粒子群算法的Volterra模型参数辨识[J]. 振动与冲击, 2015, 34(21):105-112
[9] HAN H T, MA H G, TAN L N, et al. Non-parametric identification method of Volterra kernels for nonlinear systems excited by multitone signal[J]. Asian Journal of Control, 2014, 16(2):519-529
[10] TAN Y, ZHU Y. Fireworks algorithm for optimization[C]//ICSI. Berlin:Springer, 2010:355-364.
[11] ZHANG B, ZHANG M X, ZHENG Y J. A hybrid biogeography-based optimization and fireworks algorithm[C]//CEC, 2014:3200-3206.
[12] 黄伟建, 郭芳. 基于烟花算法的云计算多目标任务调度[J]. 计算机应用研究, 2017, 34(6):1718-1720
[13] 王啸, 韩太林, 张恩奎, 等. 基于烟花算法的压阻式压力传感器动态补偿方法[J]. 兵工学报, 2017, 38(11):2226-2233
[14] 谭营, 郑少秋. 烟花算法研究进展[J]. 智能系统学报, 2014, 9(5):515-528
[15] 杜振鑫. 烟花算法中爆炸半径的改进研究[J]. 计算机时代, 2013(1):28-29
