基于多特征的APSO-SVR的模拟电路故障预测

王 力，龚振东

(1.中国民航大学 职业技术学院，天津 300300；2.中国民航大学 电子信息与自动化学院，天津 300300)

模拟电路是指用来对连续时间信号进行传输、变换、处理和放大等工作的电路，被广泛用于民航、医疗和军事等领域的电子系统中，当模拟电路发生故障时会导致整个系统无法正常运行.为了提高模拟电路的可靠性，需要对模拟电路进行故障预测与健康管理(Prognostics and Health Management，PHM)的研究[1].模拟电路的PHM 包括故障诊断与故障预测，在故障诊断领域的研究取得了较好的成果[2].

模拟电路的故障预测旨在精准地估计其剩余使用寿命(Remaining Useful Life,RUL)，故障预测的主要方法为建立模型的方法与数据驱动的方法.相较而言，数据驱动的方法计算简单且能获得不错的效果[3]，其中较典型的有支持向量机[4]、超限学习机[5]和相关向量机[6]等机器学习方法，均被成功地应用到模拟电路的故障预测领域.文献[7]提取模拟电路的频率特征进行故障预测.文献[8]提取被测电路电压信号并计算余弦距离进行故障预测.文献[9]提出了一种多核相关向量机方法对测试元件的故障发生时间开展预测.支持向量机回归(Support Vector Regression，SVR)是当前比较成熟的机器学习方法的理论，凭着实用性强、训练样本小、泛化能力好等优点[10-11]，在故障预测方面优势突出，已被学者成功应用于多种领域.文献[12]通过BFOA 算法对SVR 模型进行参数优化，最后基于优化模型开展温度预测.文献[13]用粒子群(Particle Swarm Optimization，PSO)算法优化SVR对多联机功耗进行预测，取得不错的效果……