电路板故障诊断的多总线自动测试技术研究
加入技术交流群
把遗传算法应用于SVM的基本方法如下：
1)输入样本数据集，分配好训练样本与诊断样本，并将样本数据归一化。
2)参数初始化。即初始化一些基本参数，有GA算法中的最大进化代数、种群最大数量、交叉与变异概率及SVM中的惩罚参数C与核函数中参数的变化范围、交叉验证的次数。
3)对要优化的参数C与进行二进制编码，并按其分布均匀抽取一些个体组成一个初始种群。均匀抽取而成的初始种群比随机抽取的可获得的信息量更大，对算法更有优势。
4)将SVM的故障分类正确率设定为个体适应度，分类正确率越高则个体适应度越大。按照个体适应值的大小，从种群中选出适应值较大的个体进入下一代。
5)进行交叉和变异操作，形成新一代的种群。
6)当平均适应度值变化持续小于某一常数并超过一定代数时，得到具有最大适应的个体作为最优解输出，并将得到的最优解译码行得到优化的参数。否则反复执行3～5步。
7)把前一步得到的优化参数作为SVM分类器主要参数C与的采用值，进行样本训练与故障分类。
融合了遗传算法的SVM既保留了SVM算法的优势，又并入了遗传算法的优点。从分布均匀的多个点构成的群体开始搜索，在寻求最优解的过程中只需由目标函数值转换得到的适应值，而不需其它辅助信息，使算法更加简单且不易陷入局部最优解的困境中。并避开了原SVM算法中参数C选值困难的劣势，提高了分类器的分类正确率。
3 电路诊断实例
整个故障诊断测试过程可用流程图表示出来如图3所示。在正确安装好适配板后系统加电，判定系统提供的测试电压无误后，正确安装上被测板，进入各项功能测试阶段。对各功能模块逐步测试，若所有功能都通过测试，没有测出不正常值，则系统显示电路板功能正常，系统断电，测试结束。若测试过程中得出一个或一个以上的错误值，测试系统将进入故障诊断测试部分。本文引用地址：https://www.eepw.com.cn/article/193537.htm
以含常用元器件较多的继电器开关控制电路为例，电路如图4所示。当电路中的某个元器件发生故障，如电阻开路或是运放故障，输出信号的电压幅值、高值、低值、频率和占空比等特性会发生变化，测试系统在测试时将这些电路特性值保存下来，留作样本数据使用，再采用分类器进行故障诊断。
将测试得到250个样本，前100个做训练样本，剩余的150个做测试样本。训练集与测试集经数据归一化预处理后，用一般的支持向量机与基于遗传算法的支持向量机分别进行故障诊断。诊断结果如表1所示。基于遗传算法的分类器故障诊断的正确率可高达99．33％。
4 结论
该多总线自动化测试系统将多种测试仪器集成于一体，方便了测试。采用高传输速率的VXI与1394总线缩短了电路板测试过程中测试数据的传输及处理的时间，从而提高了测试的效率。系统通过不同的测试诊断程序，可测试不同的电路板，具有通用性与实用性，避免了测试系统重复建设而造成的资金浪费，降低了测试系统开发与维护的成本。并在该测试系统资源平台上增加了采用基于遗传算法的支持向量机分类器，提高了电路诊断的正确率。
评论