CN102680825B - 系统级电磁兼容故障诊断中的干扰源辨识方法 - Google Patents

Abstract

本发明属于电磁兼容故障诊断方法，特别是电磁兼容故障诊断系统中的干扰源辨识方法，其特征是：首先通过步骤101定位敏感设备；步骤102，对定位敏感设备进行故障树分析；步骤103，利用故障树分析得到耦合途径的优先级；步骤104，测试得到干扰测试数据；步骤105，将测试数据存入数据库；步骤106，通过步骤102的故障树分析得出潜在干扰源；步骤107，查找和确定干扰源优先级；步骤108，结合步骤105和步骤107进行干扰源的辨识；步骤109，判断是否为确知干扰信号，如果不是则进行步骤110，如果是则进行步骤111；步骤110，进行环境监测；步骤111，是确知的干扰信号，最后完成电磁兼容诊断。提供一种使用方便、周期短、成本低、误差可控的电磁兼容故障诊断系统中的干扰源辨识方法。

Description

系统级电磁兼容故障诊断中的干扰源辨识方法

技术领域

本发明属于电磁兼容故障诊断方法，特别是电磁兼容故障诊断系统中的干扰源辨识方法，适用于系统级电磁兼容故障诊断。

背景技术

随着现代电子信息科学技术的高速发展和广泛应用，电子信息系统正在向集成化、多任务化、微型化发展。各种各样的电子设备或系统以及其他的电子、电气设备越来越密集导致的系统内电磁环境及其复杂，高密度、宽频谱的电磁信号充满整个空间，尤其是集成在一定载体平台上的机动式电子信息系统，如车载、机载等系统，电磁兼容问题愈发突出。

大型电子系统的电磁兼容故障诊断分析是个十分繁杂的过程，需要在多个环节进行反复的测试验证，特别是干扰源的定位是系统电磁兼容整改的重点和难点之一。以往在做干扰源定位时，往往需要电磁兼容经验十分丰富、对系统又十分了解的电磁兼容工程师做出合理的判断。这样的判断过程存在对人员的要求高、周期长、工作量大、误差难以控制等问题，可能会对整个系统的研制进度造成影响。

发明内容

本发明的目的是提供一种使用方便、周期短、成本低、误差可控的电磁兼容故障诊断系统中的干扰源辨识方法。

本发明的目的是这样实现的，系统级电磁兼容故障诊断中的干扰源辨识方法，其特征是：首先通过步骤101定位敏感设备；

步骤102，对定位敏感设备进行故障树分析；

步骤103，利用故障树分析得到耦合途径的优先级；

步骤104，测试得到干扰测试数据；

步骤105，将测试数据存入数据库；

步骤106，通过步骤102的故障树分析得出潜在干扰源；

步骤107，查找和确定干扰源优先级；

步骤108，结合步骤105和步骤107进行干扰源的辨识；

步骤109，判断是否为确知干扰信号，如果不是则进行步骤110，如果是则进行步骤111；

步骤110，进行环境监测；

步骤111，是确知的干扰信号则有针对性的制定电磁兼容整改方案，最后完成电磁兼容诊断。

所述的步骤102故障树分析包括如下步骤，其特征是：

步骤201，获取系统出现的受扰故障现象；

步骤202，分析确定耦合途径优先级；

步骤203，确定出现受扰故障现象的敏感设备；

步骤204，分析确定潜在干扰源；

步骤205，分析确定传导耦合途径优先级；

步骤206，分析确定辐射耦合途径优先级；

步骤207，分析确定辐射干扰源；

步骤208，分析确定传导干扰源。

所述的步骤108干扰源辨识，其算法流程包括如下步骤，其特征是：

步骤301，从模板数据库中取出模板数据；

步骤302，进行数据预处理；

步骤303，完成特征分类；

步骤304，进行特征提取；

步骤305，将所提取的模板数据特征存入模板特征库；

步骤306，获取测试数据；

步骤307，对测试数据进行预处理；

步骤308，对预处理后的测试数据进行特征分类；

步骤309，进行特征提取；

步骤310，将得到的测试数据特征和305所得模板特征进行加权相似度计算；

步骤311，得到加权相似度的计算结果和辨识结论。

所述的步骤304和309特征提取，其实现的具体方案流程包括如下步骤，其特征是：

步骤401，获得测试数据；

步骤402，对测试数据进行小波消噪，使数据更加光滑，从而消除测试曲线底部白噪声随机性大带来的辨识误差；

步骤403，判断是否为电台类设备，如果是则进行步骤404，如果不是则进行步骤406；

步骤404，完成电台类设备测试数据的峰值信号的包络和单调性处理；

步骤405，完成电台类设备测试数据的底噪的延拓调整，从而使测试曲线辨识能准确；

步骤406，提取测试数据的峰值特征；

步骤407，判断是否为电台类设备，如果是则进行步骤408，如果不是则进行步骤409；

步骤408，提取电台类设备测试数据的谐波特征；

步骤409，提取非电台类设备（比如电源类设备等）测试数据的包络特征；

步骤410，综合步骤406、408和409所提取出来的特征得到最终的特征提取结果。

所述的步骤404包络处理，包括如下步骤，其特征是：

步骤501，获得处理后的测试数据；

步骤502，提取数据的中心频率和功率；

步骤503，以502所获得的中心频率为划分点划分曲线两侧区域，每侧分别划分为若干段子区间，在每段子区间内分别得到各自最大值；

步骤504，获得中心频率左侧单调递增数据，主要是通过步骤505和506完成；

步骤505，比较判断每两个相邻子区间最大值的大小，当两相邻子区间中偏左侧子区间的最大值大于偏右侧子区间的最大值时进行步骤506，否则进行步骤507；

步骤506，两相邻子区间中偏左侧子区间的最大值大于偏右侧子区间的最大值时，将偏右侧子区间的最大值赋给偏左侧子区间最大值，使得中心频率左侧的数据依次递增；

步骤507，根据三次B样条曲线将中心频率左侧的测试曲线拟合；

步骤508，获得中心频率右侧单调递减数据，主要是通过步骤509和510完成；

步骤509，比较判断每两个相邻子区间最大值的大小，当两相邻子区间中偏左侧子区间的最大值小于偏右侧子区间的最大值时，进行步骤510，否则进行步骤511；

步骤510，两相邻子区间中偏左侧子区间的最大值小于偏右侧子区间的最大值时，将偏左侧子区间的最大值赋给偏右侧子区间最大值，使得中心频率右侧的数据依次递减；

步骤511，根据三次B样条曲线将中心频率右侧的测试曲线拟合；

步骤512，结合步骤507和511得到的数据获取拟合曲线数据；

步骤513，输出包络曲线数据。

所述的步骤405电台类设备测试数据的底噪延拓调整，包括如下步骤，其特征是：

步骤601，获取包络后的数据；

步骤602，输入噪声电平大小；

步骤603，由步骤602得到测试数据曲线需要延拓的高度h；

步骤604，查找峰值左侧的幅值为峰值幅值2/3的频点X_L，从该频点开始往左边查找满足斜率小于下一个频点斜率的点i_L，这是通过步骤605和606实现的；

步骤605，判断频点X_L的斜率是否大于下一个点的斜率，如果是，则进行步骤606，否则进行步骤607；

步骤606，将此X_L频点左移一个频点，返回605重新比较；

步骤607，查找到当前频点i_L，其斜率小于下一个频点的斜率；

步骤608，根据延拓的垂直方向的高度h和此插入点处的斜率k(i_L)计算出插入点的个数n_L；

步骤609，利用步骤608所获得的k(i_L)和n_L计算出此n_L个插入点的幅值Y(i_L-1)，Y(i_L-2)，…，Y(i_L-n_L)；

步骤610，使在原始包络数据中i_L处所有左侧的的幅值依次左移n_L+1个点，且幅值都减小h，这样即完成了峰值左侧曲线的延拓；

步骤611，查找峰值右侧的幅值为峰值幅值2/3的频点X_R，从该频点开始往右边查找满足斜率大于下一个频点斜率的点i_R，这是通过步骤612、613实现的；

步骤612，判断频点X_R的斜率是否小于下一个点的斜率，如果是，则进行步骤613，否则进行步骤614；

步骤613，将此X_R频点右移一个频点，返回612重新比较；

步骤614，查找到当前频点i_R，其斜率大于下一个频点的斜率；

步骤615，根据延拓的垂直方向的高度h和此插入点处的斜率k(i_R)计算出插入点的个数n_R；

步骤616，利用步骤615所获得的k(i_R)和n_R计算出此n_R个插入点的幅值Y(i_R+1)，Y(i_R+2)，…，Y(i_R+n_R)；

步骤617，使在原始包络数据中所找到的频率i_R处所有右侧的幅值依次右移n_R+1个点，幅值都减小h；

步骤618，综合610和617的处理结果获得经延拓处理后的测试数据；

步骤619，输出处理后的数据。

所述的步骤406峰值提取，包括如下步骤，其特征是：

步骤701，获得要进行峰值提取的数据；

步骤702，通过分析计算获得噪声阈值；

步骤703，判断各个数据与噪声阈值的大小，对于小于噪声阈值的数据，判别其为噪声，，进行行步骤704舍弃；

步骤704，当前点数据不用进行信号峰值的提取；

步骤705，对大于噪声阈值的数据点进行比较判断，比左边频点的幅值大而比右边频点的幅值小的作为峰值，进行步骤706，不满足此条件的则不是峰值，进行步骤704舍弃；

步骤706，获得峰值数据。

所述的步骤408谐波特征提取，其特征是：

设基波发射频率f₁，则可以根据谐波特性2f₁、3f₁……nf₁对谐波进行判断。由于存在频偏的影响，允许存在X％的频率误差。X根据不同的电台类型可做相应调整。

所述的步骤409包络特征提取，其特征是：

利用包络因子提取包络特征。包络因子定义为均方根和绝对均值之比，是一个无量纲参数；包络因子的计算公式如下式所示：

$S=\frac{X_{\mathrm{rms}}}{\left|\stackrel{\‾}{X}\right|}=\frac{\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2}}{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|x_i\right|}$

式中：X_rms——包络曲线的均方根；

——包络曲线的绝对均值。

所述的步骤410对不同的特征指标进行相似度计算，其特征是：相似度计算包括原始相关系数、峰值相关系数、相似离度、包络相似度和谐波相似度等指标的计算。

本发明的优点是：本系统使用模式识别方法，通过数据处理，实现了电磁兼容现场测试中的干扰源的自动辨识，并完成了辨识结果的查询、数据库的管理等功能。干扰源辨识系统包含了小波消噪、曲线包络和曲线延拓等数据预处理技术，峰值、包络和谐波等特征的提取技术，原始相关系数、峰值相关系数和相似离度等相似度评价技术。通过本辨识系统的数据库，还能为数据的管理和共享提供便利条件。本系统能够弥补系统测试的数据后处理方面的不足，能够克服人眼辨识的不确定性、效率低等缺点，具有良好的工程应用前景。

附图说明

图1是电磁兼容故障诊断流程图；

图2是故障树分析图；

图3是干扰源辨识算法流程图；

图4是特征提取方案流程图；

图5是包络技术流程图；

图6是延拓技术流程图；

图7是峰值提取流程图；

图8是实施例的测试连接图；

图9是实施例待辨识曲线图；

图10~图14是实施例的多个模板曲线图；

图15是实施例待辨识曲线小波消除噪声后的曲线图；

图16~图20是实施例各模板曲线进行小波消噪处理后的曲线图。

图中，1、车载电源；2、电流探头；3、测量接收机；4、测控计算机；5、某车载设备。

具体实施方式

本发明属于电磁兼容故障诊断中的干扰源辨识方法。电磁兼容故障诊断流程如图1所示，首先通过步骤101定位敏感设备（比如显示设备），然后步骤102进行故障树分析（详细分析见图2）得到103耦合途径的优先级，然后通过104基于优先级的现场测试得到干扰测试数据，进行步骤105将测试数据存入数据库；102故障树分析还可以得出106潜在干扰源，然后步骤107查找和确定干扰源优先级，结合105和107的结果进行干扰源的辨识108（详细分析见图3），由步骤109判断是否为确知干扰信号，如果不是则进行110步骤的环境监测，如果是确知的某设备的干扰信号则进行步骤111有针对性的制定电磁兼容整改方案最后完成电磁兼容诊断。

本发明立足于以往的测试数据，以模式识别过程为基本导向，研究了一套适用于电磁兼容测试的干扰源辨别方案。基本思想是先建立关键设备的模板数据库，然后将受扰设备端的测试结果作为待辨识数据，将其通过干扰源辨识算法和模板库中的数据进行比较，最后辨识出干扰源。

故障树分析模型如图2，通过201确定敏感设备203的故障现象，通过202分析确定耦合途径优先级，包括205传导耦合途径优先级和206辐射耦合途径优先级，通过204分析确定潜在干扰源，包括辐射干扰源207和传导干扰源208。

干扰源辨识算法流程如图3所示。从301模板数据库中取出模板数据，通过步骤302进行数据预处理，步骤303完成特征分类，步骤304进行特征提取，将特征存入305特征库。对306测试数据进行307数据预处理、308特征分类和309特征提取步骤，将得到的特征去跟模板特征进行310步骤的相似度计算，得到步骤311的计算和辨识结果。

特征提取的方案流程如图4所示。对401测试数据先进行402小波消噪，使测试数据更加光滑，从而消除测试曲线底部白噪声随机性大带来的辨识误差；然后进行步骤403判断是否为电台类设备，如果是，则执行步骤404和405，其中404完成电台类峰值信号的包络（详细过程见图5）和单调性处理，405能完成电台类设备测试曲线底噪的延拓调整（详细过程见图6），从而使测试曲线辨识能准确，如果不是电台类设备，则无需进行这两个步骤；步骤406提取曲线的峰值特征（详细过程见图7）；然后执行步骤407判断，如果是电台类设备，进行步骤408提取曲线的谐波特征，适用于电台类测试曲线，不是电台类设备则执行步骤409提取曲线的包络特征，适用于电源类测试曲线；最后综合步骤406、408和409所提取出来的特征得到最终的特征提取结果410。

完整的辨识步骤如下：

步骤一，进行数据预处理：

数据预处理技术包括小波消噪、包络技术和延拓技术。

曲线包络技术的流程图如图5所示。对测试获得的数据501，通过步骤502得到数据的中心频率和功率；步骤503以502所获得的中心频率为划分点划分曲线两侧区域，每侧分别划分为若干段子区间，在每段子区间内分别得到各自最大值；步骤504获得中心频率左侧单调递增数据，主要是通过步骤505和506完成；步骤505比较判断相邻子区间最大值的大小，步骤506是两相邻子区间中偏左侧子区间的最大值大于偏右侧子区间的最大值时，将偏右侧子区间的最大值赋给偏左侧子区间最大值，使得中心频率左侧的数据依次递增；步骤507根据三次B样条曲线将中心频率左侧的测试曲线拟合；步骤508获得中心频率右侧单调递减数据，主要是通过步骤509和510完成；步骤509比较判断相邻子区间最大值的大小，步骤510是两相邻子区间中偏左侧子区间的最大值小于偏右侧子区间的最大值时，将偏左侧子区间的最大值赋给偏右侧子区间最大值，使得中心频率右侧的数据依次递减；步骤511根据三次B样条曲线将中心频率右侧的测试曲线拟合；步骤512得到拟合曲线数据，输出513。

曲线延拓技术的流程图如图6所示。对包络后的数据601执行步骤602输入噪声电平大小，603得到测试数据曲线需要延拓的高度h。步骤604查找峰值左侧的幅值为峰值幅值2/3的频点X_L，从该频点开始往左边查找满足斜率小于下一个频点斜率的点i_L，这是通过步骤605、606实现的：605判断频点X_L的斜率是否大于下一个点的频率，如果是，则执行步骤606将此频点左移一个频点返回605重新比较，直到查找到当前频点i_L的斜率小于下一个频点的斜率，即步骤607；608根据延拓的垂直方向的高度h和此插入点处的斜率k(i_L)计算出插入点的个数n_L；步骤609，利用k(i_L)和n计算出此n_L个插入点的幅值Y(i_L-1)，Y(i_L-2)，…，Y(i_L-n_L)；步骤610使在原始包络数据中i_L处所有左侧的的幅值依次左移n_L+1个点，且幅值都减小h，这样即完成了峰值左侧曲线的延拓。峰值右侧曲线的延拓，类似于刚才的方法，步骤611查找峰值右侧的幅值为峰值幅值2/3的频点X_R，从该频点开始往右边查找满足斜率大于下一个频点斜率的点i_R，这是通过步骤612、613实现的：612判断频点X_R的斜率是否小于下一个点的频率，如果是，则执行步骤613将此频点右移一个频点返回612重新比较，直到查找到当前频点i_R的斜率大于下一个频点的斜率，即步骤614；615根据延拓的垂直方向的高度h和此插入点处的斜率k(i_R)计算出插入点的个数n_R；步骤616，利用k(i_R)和n_R计算出此n_R个插入点的幅值Y(i_R+1)，Y(i_R+2)，…，Y(i_R+n_R)；步骤617使在原始包络数据中所找到的频率i_R处所有右侧的幅值依次右移n_R+1个点，幅值都减小h。步骤618综合610和617的处理结果获得了经延拓处理后的测试数据，输出619。

步骤二，进行特征提取和特征选择：

特征提取技术包含峰值提取技术、包络提取技术和谐波提取技术。

峰值提取技术的流程图如图7所示。将测试数据701进行步骤702处理，计算获得噪声阈值，通过步骤703，判断各个数据与噪声阈值的大小，对于小于噪声阈值的数据，判别其为噪声，不用进行信号峰值的提取，执行步骤704舍弃；大于噪声阈值的数据进行步骤705判断，比左边频点的幅值大而比右边频点的幅值小的作为峰值，不满足此条件的则不是峰值，舍弃，由此得到峰值数据706。

包络特征提取过程：利用包络因子提取包络特征。包络因子定义为均方根和绝对均值之比，是一个无量纲参数。包络因子的计算公式如下式所示：

$S=\frac{X_{\mathrm{rms}}}{\left|\stackrel{\‾}{X}\right|}=\frac{\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2}}{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|{1x}_i^2\right|}$

式中：X_rms——包络曲线的均方根；

——包络曲线的绝对均值。

谐波特征提取过程：设基波发射频率f₁，则可以根据谐波特性2f₁、3f₁……nf₁对谐波进行判断。由于存在频偏的影响，允许存在X％的频率误差。X根据不同的电台类型可做相应调整。

步骤三，进行相似度计算：

相似度计算包括原始相关系数、峰值相关系数、相似离度、包络相似度和谐波相似度等指标的计算。

原始相关系数的计算：选取待辨别结果的测试数据构成序列A(x₁,x₂,x₃，x₄……x_n)和模板库数据构成序列B(y₁,y₂,y₃,y₄……y_n),根据以下两式便可以计算出这两个序列的相关系数：

$R_{A-B}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{{\mathrm{ns}}_x{s}_y}$

$s_x=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}{n}}$ $s_y=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-\stackrel{\‾}{y})}^2}{n}}$

其中：表示序列A的平均值；表示序列B的平均值；n为样本容量，即序列长度；R_A-B表示序列A(x₁,x₂,x₃，x₄……x_n)和序列B(y₁,y₂,y₃,y₄……y_n)之间的相关系数。由相关系数的定义和性质可以知道，相关系数越接近于1，说明测试结果的相关程度就越高，即辨识结果越接近。

峰值相关系数：首先提取模板库中各模板的频率值和峰值，将其与待辨识曲线相对应的频点进行相关系数计算。

相似离度计算方法如下：

首先，先对样本进行归一化处理，将每组数据都归一到[0,1]区间。

Y′_K=(Y_K-Y_MIN)/(Y_MAX-Y_MIN)，(k＝1,2,3，...,M)

其中Y′_K为归一后的数据，Y_K为原始数据，Y_MAX和Y_MIN分别为该组数据中的最大值和最小值，M为该组数据的总个数。

然后，分别计算数值差和形态差。

数值差D_ij的计算公式如下：

$D_{\mathrm{ij}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}|y_{\mathrm{ik}}-y_{\mathrm{jk}}|$

D_ij是两组数据幅值之差的绝对值的平均。值越小，表明两组数据在数值幅度上越接近。

形态差S_ij的计算公式如下：

$S_{\mathrm{ij}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}|(y_{\mathrm{ik}}-y_{\mathrm{jk}})-A_{\mathrm{ij}}|$

$A_{\mathrm{ij}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}(y_{\mathrm{ik}}-y_{\mathrm{jk}})$

其中A_ij是两组数据幅值差的平均值。

S_ij反映两组数据的幅值差与幅值差的平均值的离散程度。值越小，表明两条曲线在纵向形态上越相似。

最后，进行相似离度的计算。

相似离度的计算公式为

$C_{\mathrm{ij}}=\frac{1}{2}(D_{\mathrm{ij}}+S_{\mathrm{ij}})$

相似离度的数值区间在[0,1]之间，值越小表示越相似。

包络相似度可由下式计算得到

B=1-|S₁-S₂|

其中：S₁、S₂是两条不同曲线段的包络因子。

谐波相似度的计算：谐波特征相同为1，不同为0。

步骤四，最终辨识结果计算：

最终辨识结果的计算：设N为待辨识测试数据，M是数据库中的一个模板，使用加权特征距离来度量他们的相似度。然后按照相似度由大到小的顺序返回排序结果。将待查询数据N和数据库中的数据M之间的综合相似度S(N，M)定义为

S(N，M)=w_原S_原始(N，M)+w_度S_相似离度(N，M)

       +w_峰S_峰值(N，M)+w_包S_包络(N，M)+w_谐S_谐波(N，N)

其中:w_原、w_峰、w_包、和w_谐是5个可调的权值，满足

w_原+w_度+w_峰+w_包+w_谐=1

S_原始(N，M)、S_相似离度(N，M)、S_峰值(N，M)、S_包络(N，M)和S_谐波(N，M)分别表示两组数据的原始特征、相似离度、峰值特征、包络特征和谐波特征相似度。

下面给出一个计算实例

本算例的目的是以一个测试数据为待辨识曲线，和数据库中模板曲线进行干扰源辨识后，得出最相似的曲线。测试连接图如图8所示，这是某车型上所做的测试，设备1，设备2…设备N通过共用电源总线的方式连接在车载电源1上，车载电源的供电方式有3种，220V交流供电、车载蓄电池供电和硅整流发电机供电；测试用的电流探头2放置在距车载电源出口5cm处，通过线缆将检测到的总电源线上的信号送入测试接收机3，测试计算机4通过线缆连接测量接收机，控制其测量并获得其测量数据，以进行下一步处理。

1)待辨识曲线和模板曲线确定：图9为待辨识曲线，图10~图14为模板曲线，是通过测试获得的多个设备各自单独工作时的电磁发射幅频特性曲线，横坐标为频率（MHz），纵坐标为幅值（dBμA）。

2)数据预处理：对所有测试曲线进行小波消噪。本测试为非电台类测试结果，不需要包络和延拓处理。处理结果图如图15~图20所示。

3)特征提取：对原始模板曲线进行峰值提取。

模板的35MHz~60MHz具有该曲线的典型的包络，所以选择消噪后曲线的该频段对所有曲线计算包络因子，计算结果如下表所示。

表1 包络因子计算结果

待辨识曲线	模板1	模板2	模板3	模板4	模板5
						1.1858	1.1175	1.1220	1.1055	1.1305	1.1468

图9给出了待辨识曲线；图10~图14分别给出了模板1~模板5的幅频特性曲线；图15给出了待辨识数据经过小波消噪后的曲线；图16~图20分别给出了模板1~模板5的数据经过小波消噪后的幅频特性曲线。

由于受试设备不是电台类设备，所以不需要提取谐波特性。

4)相似度计算：相似度计算结果如下表所示。

表2 相似度计算结果

注：相似离度变换值指的是进行“1-相似离度”的计算使其表示的意义为在[0,1]区间内值越大，越相似。

图9给出了待辨识曲线；图10~图14分别给出了模板1~模板5的幅频特性曲线；图15给出了待辨识数据经过小波消噪后的曲线；图16~图20分别给出了模板1~模板5的数据经过小波消噪后的幅频特性曲线。

5)权重计算：权重计算结果如下表。

表3 权重计算结果

原始相关系数	峰值相关系数	相似离度	包络相似度
				0.3704	0.2314	0.2963	0.1019

6)辨识结果：最终计算得到的综合相似度如下表所示。

表4 综合相似度

相似度	模板1	模板2	模板3	模板4	模板5
						待辨识曲线	0.9395	0.7658	0.7267	0.8121	0.7910

图9给出了待辨识曲线；图10~图14分别给出了模板1~模板5的幅频特性曲线；图15给出了待辨识数据经过小波消噪后的曲线；图16~图20分别给出了模板1~模板5的数据经过小波消噪后的幅频特性曲线。

由计算结果可知，待辨识曲线和模板库中的模板1相似度最高，实际上，模板1曲线的数据即是该待辨识设备在之前所测得而构建成的模板，通过本发明的整个干扰源辨识流程，从而确定模板1所对应设备为此次测试中的干扰源。

Claims (8)

1.系统级电磁兼容故障诊断中的干扰源辨识方法，其特征是：步骤101，定位敏感设备；

步骤102，对定位敏感设备进行故障树分析；

步骤103，利用故障树分析得到耦合途径的优先级；

步骤104，测试得到干扰测试数据；

步骤105，将测试数据存入数据库；    

步骤106，通过步骤102的故障树分析得出潜在干扰源；

步骤107，查找和确定干扰源优先级；

步骤108，结合步骤105和步骤107进行干扰源的辨识；

步骤109，判断是否为确知干扰信号，如果不是则进行步骤110，如果是则进行步骤111；

步骤110，进行环境监测；

步骤111，是确知的干扰信号，则有针对性的制定电磁兼容整改方案，最后完成电磁兼容诊断。

2.根据权利要求1所述的系统级电磁兼容故障诊断中的干扰源辨识方法，所述的步骤102故障树分析包括如下步骤，其特征是：

步骤201，确定敏感设备；

步骤202，分析确定耦合途径优先级；

步骤203，确定敏感设备的故障现象；

步骤204，分析确定潜在干扰源；

步骤205，分析确定传导耦合途径优先级；

步骤206，分析确定辐射耦合途径优先级；

步骤207，分析确定辐射干扰源；

步骤208，分析确定传导干扰源。

3.根据权利要求1所述的系统级电磁兼容故障诊断中的干扰源辨识方法，所述的步骤108干扰源辨识，其算法流程包括如下步骤，其特征是：

步骤301，从模板数据库中取出模板数据；

步骤302，进行数据预处理；

步骤303，完成特征分类；

步骤304，进行特征提取；

步骤305，将所提取的特征存入特征库；

步骤306，获取测试数据；

步骤307，对测试数据进行预处理；

步骤308，对预处理后的测试数据进行特征分类；

步骤309，特征提取；

步骤310，将得到的测试数据特征和步骤305所得模板特征进行加权相似度计算；

步骤311，得到加权相似度的计算结果和辨识结论。

4.根据权利要求3所述的干扰源辨识算法流程，所述的步骤304及步骤309特征提取，其实现的方案流程包括如下步骤，其特征是：

步骤401，获得测试数据；

步骤402，对测试数据进行小波消噪，使数据更加光滑，从而消除测试曲线底部白噪声随机性大带来的辨识误差；

步骤403，判断是否为电台类设备，如果是则进行步骤404，如果不是则进行步骤406；

步骤404，完成电台类设备测试数据的峰值信号的包络和单调性处理；

步骤405，完成电台类设备测试数据的底噪的延拓调整，从而使测试曲线辨识能准确；

步骤406，提取测试数据的峰值特征；

步骤407，判断是否为电台类设备，如果是则进行步骤408，如果不是则进行步骤409；

步骤408，提取电台类设备测试数据的谐波特征；

步骤409，提取非电台类设备测试数据的包络特征；

步骤410，综合步骤406、步骤408和步骤409所提取出来的特征得到最终的特征提取结果。

5.根据权利要求4所述的特征提取的方案流程，所述的步骤404包络处理，包括如下步骤，其特征是：

步骤501，获得处理后的测试数据；

步骤502，提取数据的中心频率和功率；

步骤503，以步骤502所获得的中心频率为划分点划分曲线两侧区域，每侧分别划分为若干段子区间，在每段子区间内分别得到各自最大值；

步骤504，获得中心频率左侧单调递增数据，主要是通过步骤505和506完成；

步骤505，比较判断每两个相邻子区间最大值的大小，当两相邻子区间中偏左侧子区间的最大值大于偏右侧子区间的最大值时进行步骤506，否则进行步骤507；

步骤506，两相邻子区间中偏左侧子区间的最大值大于偏右侧子区间的最大值时，将偏右侧子区间的最大值赋给偏左侧子区间最大值，使得中心频率左侧的数据依次递增；

步骤507，根据三次B样条曲线将中心频率左侧的测试曲线拟合；

步骤508，获得中心频率右侧单调递减数据，主要是通过步骤509和步骤510完成；

步骤509，比较判断每两个相邻子区间最大值的大小，当两相邻子区间中偏左侧子区间的最大值小于偏右侧子区间的最大值时，进行步骤510，否则进行步骤511；

步骤510，两相邻子区间中偏左侧子区间的最大值小于偏右侧子区间的最大值时，将偏左侧子区间的最大值赋给偏右侧子区间最大值，使得中心频率右侧的数据依次递减；

步骤 511，根据三次B样条曲线将中心频率右侧的测试曲线拟合；

步骤512，结合步骤507和步骤511得到的数据获取拟合曲线数据；

步骤513，输出包络曲线数据。

6.根据权利要求4所述的特征提取的方案流程，所述的步骤405电台类设备测试数据的底噪延拓调整，包括如下步骤，其特征是：

步骤601，获取包络后的数据；

步骤602，输入噪声电平大小；

步骤603，由步骤602得到测试数据曲线需要延拓的高度h；

步骤604，查找峰值左侧的幅值为峰值幅值2/3的频点X _L ，从该频点开始往左边查找满足斜率小于下一个频点斜率的点i _L ，这是通过步骤605、步骤606实现的；

步骤605，判断频点X _L 的斜率是否大于下一个点的频率，如果是，则进行步骤606，否则进行步骤607；

步骤606，将此频点左移一个频点返回步骤605重新比较；

步骤607，查找到当前频点i _L ，其斜率小于下一个频点的斜率； 

步骤608，根据延拓的垂直方向的高度h和此插入点处的斜率k(i _L )计算出插入点的个数n _L ；

步骤609，利用步骤608所获得的k(i _L )和n _L 计算出此n _L 个插入点的幅值Y(i _L -1)，Y(i _L -2)，…，Y(i _L -n _L )；

步骤610，使在原始包络数据中i _L 处所有左侧的的幅值依次左移n _L +1个点，且幅值都减小h，这样即完成了峰值左侧曲线的延拓；

步骤611，查找峰值右侧的幅值为峰值幅值2/3的频点X _R ，从该频点开始往右边查找满足斜率大于下一个频点斜率的点i _R ，这是通过步骤612、步骤613实现的；

步骤612，判断频点X _R 的斜率是否小于下一个点的频率，如果是，则进行步骤613，否则进行步骤614；

步骤613，将此频点右移一个频点返回步骤612重新比较；

步骤614，查找到当前频点i _R ，其斜率大于下一个频点的斜率；

步骤615，根据延拓的垂直方向的高度h和此插入点处的斜率k(i _R )计算出插入点的个数n _R ；

步骤616，利用步骤615所获得的k(i _R )和n _R 计算出此n _R 个插入点的幅值Y(i _R +1)，Y(i _R +2)，…，Y(i _R +n _R ) ；

步骤617，使在原始包络数据中所找到的频率i _R 处所有右侧的幅值依次右移n _R +1个点，幅值都减小h；

步骤618，综合步骤610和步骤617的处理结果获得经延拓处理后的测试数据；

步骤619，输出处理后的数据。

7.根据权利要求4所述的特征提取的方案流程，所述的步骤406峰值提取，包括如下步骤，其特征是：

步骤701，获得要进行峰值提取的数据；

步骤702，通过分析计算获得噪声阈值；

步骤703，判断各个数据与噪声阈值的大小，对于小于噪声阈值的数据，判别其为噪声，进行步骤704舍弃；

步骤704，当前点数据不用进行信号峰值的提取；

步骤705，对大于噪声阈值的数据点进行比较判断，比左边频点的幅值大而比右边频点的幅值小的作为峰值，进行步骤706，不满足此条件的则不是峰值，进行步骤704舍弃；

步骤706，获得峰值数据。

8.根据权利要求4所述的特征提取的方案流程，所述的步骤410对不同的特征指标进行相似度计算，其特征是：相似度计算包括原始相关系数、峰值相关系数、相似离度、包络相似度和谐波相似度的计算。