摘 要：为解决间歇性故障数据采集困难、特征提取困难的问题，提出了基于FSV 的模拟电路健康状态识别的新方法。首先建立模拟电路间歇性故障仿真模型；其次，利用FSV 算法获取模拟电路故障数据特征值；最后，将提取的特征训练HSMM 模型，建立基于HSMM 的模拟电路健康状态分类器，从而实现设备健康状态的识别。实验结果表明，该方法能够有效识别模拟电路健康状态，为模拟电路健康状态识别开辟新的途径。
关键词：HSMM；FSV；间接性故障
中图分类号：TP391.4；TN710 文献标识码：A 文章编号：2096-4706（2020）10-0028-04
FSV Based Health State Identification Method for Analog Circuits
GUO Panke，LI Yuxiao
（School of Science，Jiangxi University of Science and Technology，Ganzhou 341000，China）
Abstract：In order to solve the problem of intermittent fault data acquisition and feature extraction，a new method of analog circuit health state recognition based on feature selection verification is proposed. Firstly，the intermittent fault simulation model of analog circuit is established. Secondly，FSV algorithm is used to obtain the fault data eigenvalue of analog circuit. Finally，the extracted features are trained in HSMM model，and a classifier of analog circuit health state based on HSMM is established to realize the recognition of equipment health state. The experimental results show that this method can effectively identify the health status of analog circuits，and open up a new way for the health status identification of analog circuits.
Keywords：HSMM；FSV；intermittent fault
参考文献：
[1] 杨志波. 基于AR-HSMM 的设备故障诊断与预测研究 [D]. 上海：上海交通大学，2007.
[2] 李光升，欧博，石海滨. 现代模拟电路故障诊断技术发展综述 [J]. 计算机测量与控制，2019，27（5）：5-8.
[3] 肖舒文，李柏文，陈晓盼. 特征选择验证方法：原理、应用及最新进展 [J]. 电讯技术，2016，56（3）：346-352.
[4] 李晟，李玉晓. 基于特征选择验证的故障注入仿真可信度评估 [J/OL]. 系统仿真学报：1-11（2020-03-30）.https://doi.org/10.16182/j.issn1004731x.joss.18-0862.
[5] 张刚. 电磁仿真结果可信度FSV 评估方法的关键问题研究 [D]. 哈尔滨：哈尔滨工业大学，2014.
[6] 李航. 统计学习方法 [M]. 北京：清华大学出版社，2019.
作者简介：过攀科（1999—），男，汉族，江西丰城人，本科在读，研究方向：信号与信息处理、集成电路故障诊断。