CN105137324A - 一种基于仿真分类模型的多探测点故障元器件定位方法 - Google Patents

Abstract

本发明公开了一种基于仿真分类模型的多探测点故障元器件定位方法，通过对待诊断电路进行电路正常仿真和单故障遍历的故障仿真，并基于仿真波形数据构造单故障波形记录集，对单故障波形记录集应用改进的二分K均值聚类算法而获取待诊断电路各节点的故障模型种类，并基于待诊断电路各节点的故障模型种类，应用最邻近算法而构建待测电路各节点三维故障分类模型；将获取待诊断电路中各节点的探测波形分别应用到相应节点的三维故障分类模型中，得到待诊断电路在各节点具有的故障模型，通过计算出待诊断电路具有的所有故障模型的交集，从而定位待诊断电路的故障元器件。本发明提高了故障元器件定位的精度和故障分析人员的效率。

Description

一种基于仿真分类模型的多探测点故障元器件定位方法

技术领域

本发明涉及硬件电路故障诊断领域，特别涉及一种基于仿真分类模型的多探测点故障元器件定位方法。

背景技术

硬件电路故障诊断技术是一种应用现代化仪器设备和计算机系统等高新技术设备，通过测试获取电路可及节点或端口的波形信息，推断该电路系统当前的状态，确定故障元器件的部位，预测故障的发生，判别电子产品的质量并给出维修的提示的技术。应用故障诊断技术可以及时发现设备的故障和预防恶性事故的发生，从而避免出现重大损失。

传统的硬件电路故障诊断方法，大多以实际电路为依据进行反复的测试并结合故障分析的经验知识实现故障电路中故障器件的定位。传统方法对故障分析人员的专业知识要求较高，当电路系统比较庞大时，人为的进行故障分析并定位故障器件将耗费大量的时间，无法适应工业生产大批量的硬件电路诊断的需求。并且，在传统方法由于故障分析人员的不同，使故障电路诊断分析的精确度不一，而形成一定的故障隐患，从而可能导致更严重的故障和经济损失。

因此，需要一种故障电路分析诊断精确度高，故障元器件定位速度快的故障元器件定位方法。

发明内容

为解决上述技术问题，本发明提供一种基于仿真分类模型的多探测点故障元器件定位方法。

本发明的基于仿真分类模型的多探测点故障元器件定位方法的步骤包括，

步骤一：基于待诊断电路各节点的正常电路仿真和单故障遍历的故障仿真所输出的各节点的基准波形和若干个单故障波形，而构造各个节点的单故障波形记录集；

步骤二：应用改进的二分K均值聚类算法分别将各节点的所述单故障波形记录集分裂为若干个簇，并且每个簇表示一种故障模型；

步骤三：基于各节点已分裂若干个簇的所述单故障波形记录集，而分别构建各节点的三维故障分类模型；

步骤四：获取待诊断电路各节点的探测波形，并将各节点的所述探测波形分别应用到相应节点的所述三维故障分类模型中，得到所述待诊断电路在各节点具有的所述故障模型，通过计算出所述待诊断电路具有的所有所述故障模型的交集，从而定位所述待诊断电路的故障元器件。

根据一种优选的实施方式，构造各个节点的单故障波形记录集的方法包括，

第一步：选择各节点的采样时间段，而分别截取各节点的每个单故障波形以及基准波形在所述采样时间段内的波形段，并设定各个节点的基准波形在所述采样时间段内的波形段的最小值为相应节点的固定零值，设定各个节点的基准波形在所述采样时间段内的波形段的最大值为相应节点的固定峰值；

第二步：在所述采样时间段内的一个时间点分别提取各节点的每个单故障波形以及基准波形的所述波形段上对应的幅值或者逻辑值，并利用提取的幅值或逻辑值，计算各节点的每个单故障波形分别与相应节点的基准波形的距离DIS、相应节点的固定零值的距离DIS1和相应节点的固定峰值的距离DIS2；

第三步：将各节点的每个故障波形的计算结果分别对应一个三维矢量(DIS,DIS1,DIS2)，并且将每个节点所有对应的所述三维矢量(DIS,DIS1,DIS2)集合在一起而构成各节点的所述单故障波形记录集。

根据一种优选的实施方式，应用改进的二分K均值聚类算法将各节点的所述单故障波形记录集分裂为若干个簇的方法包括，

第一步：设定簇分裂停止阈值th₁和簇分裂有效阈值th₂，以及最大随机分裂次数n；

第二步：初始化簇表，初始簇包括相应节点的所述单故障波形记录集内的所有所述三维矢量(DIS,DIS1,DIS2)；并选择簇表中具有最大误差平方和的簇作为待分裂簇；

第三步：将所述待分裂簇随机分裂成两个子簇，当前随机分裂次数加一，并计算所述待分裂簇的误差平方和SSE_before与所述簇分裂结果内的两个子簇的误差平方和的总和SSE_after的差的绝对值；其中，

所述绝对值小于所述簇分裂有效阈值th₂，则不保留相应的所述簇分裂结果，所述绝对值大于或等于所述簇分裂有效阈值th₂，则保留相应的所述簇分裂结果；

判定当前随机分裂次数是否等于最大随机分裂次数n，若不等于，则再次执行本步骤的相应操作；若等于，则从保留的簇分裂结果中，选择两个子簇的误差平方和的总和SSE_after最小的所述簇分裂结果作为所述待分裂簇最终所述簇分裂结果；

第四步：第三步中的所述待分裂簇最终所述簇分裂结果的两个子簇更新至所述簇表；并计算出簇表中的簇的误差平方和的总和SSE_total，其中，

若SSE_total小于所述簇分裂停止阈值th₁，则停止簇分裂；

若SSE_total大于或等于所述簇分裂停止阈值th₁，则在更新后的所述簇表中选择一个新的待分裂簇，并继续执行第三步和本步骤的相应操作。

根据一种优选的实施方式，将所述单故障波形记录集中每个簇分别设定成一种故障模型，并分别对每个簇内的所述三维矢量(DIS,DIS1,DIS2)进行单故障类别标号，使每一个标号与一种单故障模型对应，并且每一种所述故障模型包含至少一个所述单故障模型。

根据一种优选的实施方式，簇的误差平方和的计算公式为，

${\mathrm{SSE}}_i=\underset{j=1}{\overset{m_i}{\Σ}}{(Fault\·{\mathrm{vec}}_{ij}-k\·{\mathrm{vec}}_i)}^2$

其中，SSE_i表示第i个簇的误差平方和，m_i表示第i个簇中包含的三维矢量个数，Fault·vec_ij表示第i个簇中的第j个三维矢量，k·vec_i表示第i个簇的三维质心矢量；其中，第i个簇的三维质心矢量的计算公式为，

$k\·{\mathrm{vec}}_i=\frac{1}{m_i}\underset{j=1,Fault\·{\mathrm{vec}}_{ij}\∈C_i}{\overset{m_i}{\Σ}}Fault\·{\mathrm{vec}}_{ij}$

其中，C_i表示第i个簇中包含的三维矢量(DIS,DIS1,DIS2)的集合。

根据一种优选的实施方式，基于各节点分裂为若干个簇的所述单故障波形记录集，构建各节点的三维故障分类模型的步骤包括，

各节点的所述单故障波形记录集的簇分裂停止后，分别计算各节点的所述单故障波形记录集内各个簇的三维质心矢量，其中，每个簇的三维质心矢量分别与一种所述故障模型对应；

应用最近邻算法，并将各节点的所述单故障波形记录集内每个簇的三维质心矢量作为所述故障模型分类的参照，而分别构建各节点的所述三维故障分类模型。

根据一种优选的实施方式，定位待诊断电路的故障元器件的方法包括，

第一步：通过探针探测待诊断电路的每个节点，分别获取所述待诊断电路的各个节点的探测波形；

第二步：选择每个节点的采样时间段，而分别截取每个节点的所述探测波形以及基准波形在所述采样时间段内的波形段，并设定各个节点的基准波形在所述采样时间段内的波形段的最小值为相应节点的固定零值，设定各个节点的基准波形在所述采样时间段内的波形段的最大值为相应节点的固定峰值；

第三步：在所述采样时间段内的一个时间点分别提取每个节点的所述探测波形以及基准波形的所述波形段上对应的幅值或者逻辑值，并利用提取的幅值或逻辑值，计算每个节点的所述探测波形分别与基准波形的距离dis、相应节点的固定零值的距离dis1和相应节点的固定峰值的距离dis2；

第四步：将每个节点的所述探测波形的计算结果分别对应一个三维矢量(dis,dis1,dis2)；并将每个节点的所述三维矢量(dis,dis1,dis2)分别归类到相应节点的所述故障波形三维分类模型中，而得出所述待诊断电路在各节点具有的所述故障模型，通过计算出所述待诊断电路具有的所有故障模型的交集，从而定位所述待诊断电路的故障元器件。

根据一种优选的实施方式，得出所述待诊断电路在各节点具有的所述故障模型的方法包括，

应用最近邻算法，计算相应节点的所述单故障波形记录集的每个簇的三维质心矢量与所述三维矢量(dis,dis1,dis2)的距离，并得出与所述三维矢量(dis,dis1,dis2)距离最近的所述三维质心矢量；

所述待诊断电路在相应节点具有与所述三维矢量(dis,dis1,dis2)距离最近的所述三维质心矢量所对应的所述故障模型。

根据一种优选的实施方式，计算出所述待诊断电路所有故障模型的交集的方法包括，

所述待诊断电路在各节点具有的故障模型包括至少一个单故障模型，并且同一节点具有不同的故障模型，其中每个所述故障模型具有的单故障模型互不相同；

计算所述待诊断电路具有的所有故障模型的交集，得出所述待诊断电路在不同节点所共有的所述单故障模型，从而定位所述待诊断电路的故障元器件。

本发明的有益效果在于：本发明分别对待诊断电路进行电路正常仿真和单故障遍历的故障仿真，在获取仿真波形数据的基础上，应用改进的二分K均值聚类算法，自动获取待诊断电路各节点的故障模型种类，并基于待诊断电路各节点的故障模型种类，应用最邻近算法自动构建待测电路各节点三维故障分类模型；本发明只需获取待诊断电路中各节点的探测波形，将各节点的所述探测波形分别应用到相应节点的所述三维故障分类模型中，得到所述待诊断电路在各节点具有的所述故障模型，通过计算出所述待诊断电路具有的所有所述故障模型的交集，从而定位所述待诊断电路的故障元器件。本发明不要求硬件电路故障分析人员对待分析电路的功能及运行机制有完整的认识，也不要求其对故障元器件定位流程具有充足的经验；而且提高了故障元器件定位的精度和故障分析人员的效率。

附图说明

图1是本发明基于仿真分类模型的多探测点故障元器件定位方法流程图；

图2是本发明构造单故障波形记录集的示意图；

图3是本发明单故障波形记录集簇分裂的流程图；

图4是本发明待诊断电路的原理图；

图5是本发明待诊断电路OUTPUT节点的三维故障分类模型；

图6是本发明待诊断电路U3A输出节点的三维故障分类模型；

图7是本发明待诊断电路U2A输出节点的三维故障分类模型；

图8是本发明待诊断电路U1A输出节点的三维故障分类模型；

图9是本发明待诊断电路U1A输入节点的三维故障分类模型。

具体实施方式

下面结合附图进行详细说明。

结合图1所示的本发明基于仿真分类模型的多探测点故障元器件定位方法流程图；其中故障元器件定位方法的步骤包括，

步骤一：对待诊断电路各节点进行正常电路仿真，即对所有元器件都正常工作的待诊断电路中的的仿真，在相应节点输出一个稳定的波形，并将这个稳定的波形记录为相应节点的基准波形。对待诊断电路各节点进行单故障遍历的故障仿真，即分别对待诊断电路中的每个元器件所有可能发生故障情形进行逐一地仿真，每进行一次仿真则在相应节点输出一个稳定的波形，并将这个稳定的波形记录为相应元器件在相应故障情形下的单故障波形。从而基于记录的待诊断电路各节点的基准波形和若干个单故障波形，构造各个节点的单故障波形记录集。

步骤二：应用改进的二分K均值聚类算法分别将各节点的单故障波形记录集分裂为若干个簇，并且将每个簇分别设定成一种故障模型。

具体的，将每个节点的单故障波形记录集中相似的单故障波形聚类在同一个簇内，每个簇内的若干个相似的单故障波形共同表示一种故障模型。

步骤三：基于各节点已分裂若干个簇的单故障波形记录集，而分别构建各节点的三维故障分类模型。

具体的，由于各节点的单故障波形记录集的每个簇分别表示一种故障模型，按照各个节点的单故障波形记录集包含的若干种故障模型，分别构建出各节点的三维故障模型。

步骤四：获取待诊断电路各节点的探测波形，并将各节点的探测波形分别应用到相应节点的三维故障分类模型中，得到待诊断电路在各节点具有的故障模型，通过计算出待诊断电路具有的所有故障模型的交集，从而定位待诊断电路的故障元器件。

结合图2所示的本发明构造单故障波形记录集的示意图；其中，基于记录的待诊断电路各节点的基准波形和若干个单故障波形，分别选择各节点的采样时间段，从而截取各节点的每个单故障波形以及基准波形在采样时间段内的波形段。

设定每个基准波形在采样时间段内的波形段上的最小的幅值或者逻辑值为相应节点的固定零值，设定每个基准波形在采样时间段内的波形段上的最大的幅值或者逻辑值为相应节点的固定峰值。

在采样时间段内的一个时间点分别提取各节点的每个单故障波形以及基准波形的波形段上对应的幅值或者逻辑值，并利用提取的幅值或逻辑值，计算提取的各节点的每个单故障波形值分别与提取的基准波形值的距离DIS、相应故障波形的固定零值的距离DIS1和相应故障波形的固定峰值的距离DIS2。

将各节点的每个故障波形的计算结果分别对应一个三维矢量(DIS,DIS1,DIS2)，并且将每个节点所有对应的三维矢量(DIS,DIS1,DIS2)集合在一起而构成各节点的单故障波形记录集。

结合图3所示的本发明单故障波形记录集簇分裂的流程图；其中，主要应用改进的二分K均值聚类算法将各节点的所述单故障波形记录集分裂为若干个簇。

第一步：设定簇分裂停止阈值th₁和簇分裂有效阈值th₂，以及最大随机分裂次数n。

第二步：初始化簇表，初始簇包括相应节点的单故障波形记录集内的所有三维矢量(DIS,DIS1,DIS2)；并选择簇表中具有最大误差平方和的簇作为待分裂簇。

第三步：将待分裂簇随机分裂成两个子簇，当前随机分裂次数加一，并计算待分裂簇的误差平方和SSE_before与簇分裂结果内的两个子簇的误差平方和的总和SSE_after的差的绝对值；其中，

绝对值小于簇分裂有效阈值th₂，则不保留相应的簇分裂结果，绝对值大于或等于簇分裂有效阈值th₂，则保留相应的簇分裂结果；

判定当前随机分裂次数是否等于最大随机分裂次数n，若不等于，则再次执行本步骤的相应操作；若等于，则从保留的簇分裂结果中，选择两个子簇的误差平方和的总和SSE_after最小的簇分裂结果作为待分裂簇最终簇分裂结果。

第四步：第三步中的待分裂簇最终簇分裂结果的两个子簇更新至簇表；并计算出簇表中的簇的误差平方和的总和SSE_total，其中，

若SSE_total小于簇分裂停止阈值th₁，则停止簇分裂；

若SSE_total大于或等于簇分裂停止阈值th₁，则在更新后的簇表中选择一个新的待分裂簇，并继续执行第三步和本步骤的相应操作。

在聚类结束后，将单故障波形记录集中每个簇分别设定成一种故障模型，并分别对每个簇内的三维矢量(DIS,DIS1,DIS2)进行单故障类别标号，使每一个标号与一种单故障模型对应，并且每一种故障模型包含至少一个单故障模型。

具体的，簇的误差平方和的计算公式为，

${\mathrm{SSE}}_i=\underset{j=1}{\overset{m_i}{\Σ}}{(Fault\·{\mathrm{vec}}_{ij}-k\·{\mathrm{vec}}_i)}^2$

其中，SSE_i表示第i个簇的误差平方和，m_i表示第i个簇中包含的三维矢量个数，Fault·vec_ij表示第i个簇中的第j个三维矢量，k·vec_i表示第i个簇的三维质心矢量；其中，第i个簇的三维质心矢量的计算公式为，

$k\·{\mathrm{vec}}_i=\frac{1}{m_i}\underset{j=1,Fault\·{\mathrm{vec}}_{ij}\∈C_i}{\overset{m_i}{\Σ}}Fault\·{\mathrm{vec}}_{ij}$

其中，C_i表示第i个簇中包含的三维矢量(DIS,DIS1,DIS2)的集合。

在各节点的单故障波形记录集的分裂的簇确定后，分别计算各节点的单故障波形记录集内各个簇内三维矢量(DIS,DIS1,DIS2)的三维质心矢量，其中，每个簇的三维质心矢量分别与相应的簇所设定的故障模型对应。

应用最近邻算法，并将各节点的单故障波形记录集内每个簇的三维质心矢量作为故障模型分类的参照，而分别构建各节点的三维故障分类模型。

具体的，判定一个三维矢量在三维故障模型中的故障模型，只需找出与该三维矢量最近的三维质心矢量，则该三维矢量具有的故障模型与该最近的三维质心矢量对应的故障模型一致。

结合图4本发明待诊断电路的原理图；该待诊断电路为一计数器电路，由微分电路、整流电路等组成，电路的激励信号为周期信号，幅值5V，周期20ms，占空比50％。其中，表1为该电路包含的元器件及其对应故障情形的汇总表。

表1计数器电路故障情形汇总表

计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点选定的采样时间段为100ms～200ms，并截取在该采样时间段内的波形段，其中，数字电路中的节点对应的固定零值是电平为0，其对应的固定峰值是电平为1，而在模拟电路中的节点对应的固定零值是电压为0，其对应的固定峰值是在采样时间段上电压的最大值。计算出各个节点上每个单故障波形对应的三维矢量(DIS,DIS1,DIS2)。其中，表2是计数器电路OUTPUT节点的计算结果表，表3是计数器电路U3A输出节点的计算结果表，表4是计数器电路U2A输出节点的计算结果表，表5是计数器电路U1A输出节点的计算结果表，表6是计数器电路U1A输入节点的计算结果表。

表2计数器电路OUTPUT节点的计算结果表

表3计数器电路U3A输出节点的计算结果表

表4计数器电路U2A输出节点的计算结果表

表5计数器电路U1A输出节点的计算结果表

表6计数器电路U1A输入节点的计算结果表

将计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的每个故障波形的计算结果分别对应一个三维矢量(DIS,DIS1,DIS2)，并且构成计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的单故障波形记录集。

分别对计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的单故障波形记录集应用改进的二分K均值聚类算法，将各节点的单故障波形记录集分裂为若干个簇，并将每个单故障波形记录集中每个簇分别设定成一种故障模型，并分别对每个簇内的三维矢量(DIS,DIS1,DIS2)进行单故障类别标号。在各节点具有的故障模型包括至少一个单故障模型，并且同一节点具有不同的故障模型，其中每个故障模型具有的单故障模型互不相同。其中，表7所示的是计数器电路的各个节点簇表，表8所示的是单故障类别标号表。

表7计数器电路的各个节点簇分裂的簇表

表8单故障类别标号表

结合图5～图9所示的计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的三维故障分类模型。其中，基于计数器电路OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的单故障波形记录集簇分裂的结果，相应地计算出每个节点各簇内的所有三维矢量(DIS,DIS1,DIS2)的三维质心矢量，每个簇的三维质心矢量分别与相应的簇所设定的故障模型对应。应用最近邻算法，并将各节点的单故障波形记录集内每个簇的三维质心矢量作为故障模型分类的参照，而分别构建各节点的三维故障分类模型。

本发明在构建三维故障分类模型后，即可运用三维故障分类模型来定位待诊断电路中的故障元器件。以图4所示的计数器电路为例。

具体的，通过探针探测该计数器电路的OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点，分别获取该计数器电路各个节点的探测波形，并且每个节点的探测波形选择的采样时间段均为100ms～200ms，在采样时间段内，截取每个节点的探测波形以及基准波形的波形段。

设定各个节点的基准波形在所述采样时间段内的波形段的最小值为相应节点的固定零值，设定各个节点的基准波形在所述采样时间段内的波形段的最大值为相应节点的固定峰值；

在采样时间段内的一个时间点分别提取每个节点的探测波形以及基准波形的波形段上对应的幅值或者逻辑值，并利用提取的幅值和逻辑值，计算每个节点的探测波形分别与提基准波形的距离dis、相应节点的固定零值的距离dis1和相应节点的固定峰值的距离dis2。

将每个节点的探测波形的计算结果分别对应一个三维矢量(dis,dis1,dis2)，并将每个节点的三维矢量(dis,dis1,dis2)分别归类到相应的故障波形三维分类模型中，而得出待诊断电路在各节点具有的故障模型，通过计算出待诊断电路具有的所有故障模型的交集，从而定位待诊断电路的故障元器件。

具体的，U1A反相器固低故障为例，将在计数器电路的OUTPUT节点、U3A输出节点、U2A输出节点、U1A输出节点和U1A输入节点的探测波形对应的三维矢量(dis,dis1,dis2)分别归类到这五个节点对应的三维故障分类模型中，并分别计算出每个三维矢量(dis,dis1,dis2)与对应节点的各个簇的三维质心矢量的距离，按照三维故障分类模型的最近邻算法，取每个节点中与相应三维矢量具有最小距离的三维质心矢量所对应的故障模型为结果。其中，表9是探测波形的三维矢量与三维质心矢量的距离计算结果表，表10是探测波形在五个节点的故障模型。

表9探测波形的三维矢量与三维质心矢量的距离计算结果表

表10是探测波形在五个节点的故障模型表

根据表9中标记的最小距离值对应的故障模型，获取在表10中各对应故障模型包含的单故障模型。

由于待诊断电路在各节点具有的故障模型包括至少一个单故障模型，并且同一节点具有不同的故障模型，其中每个故障模型具有的单故障模型互不相同。计算待诊断电路具有的所有故障模型的交集，得出待诊断电路在不同节点所共有的单故障模型，从而定位所述待诊断电路的故障元器件。

具体的，在OUTPUT节点获取的故障模型包含的单故障类别标号为(22,26)，在U3A输出节点获取的故障模型包含的单故障类别标号为(22,26)，在U2A输出节点获取的故障模型包含的单故障类别标号为(22,26)，在U1A输出节点获取的故障模型包含的单故障类别标号为(22)，在U1A输入节点获取的故障模型包含的单故障类别标号为(8,·····,29)，求这五个节点的相应的故障模型的交集。

22＝(22,26)_output∩(22,26)_U3A-out∩(22,26)_U2A-out∩(22)_U1A-out∩(8,……,29)_U1A-in

其中，对应单故障类别标号22的单故障情形为54AC14-X_U1A-L，即为U1A反相器固低故障。

需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。

Claims (9)

1.一种基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，所述故障元器件定位方法的步骤包括，

步骤一：基于待诊断电路各节点的正常电路仿真和单故障遍历的故障仿真所输出的各节点的基准波形和若干个单故障波形，而构造各个节点的单故障波形记录集；

步骤二：应用改进的二分K均值聚类算法分别将各节点的所述单故障波形记录集分裂为若干个簇，并且将每个簇分别设定成一种故障模型；

步骤三：基于各节点已分裂若干个簇的所述单故障波形记录集，而分别构建各节点的三维故障分类模型；

步骤四：获取待诊断电路各节点的探测波形，并将各节点的所述探测波形分别归类到相应节点的所述三维故障分类模型中，得到所述待诊断电路在各节点具有的所述故障模型，通过计算出所述待诊断电路具有的所有所述故障模型的交集，从而定位所述待诊断电路的故障元器件。

2.根据权利要求1所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，构造各个节点的单故障波形记录集的方法包括，

第一步：选择各节点的采样时间段，而分别截取各节点的每个单故障波形以及基准波形在所述采样时间段内的波形段，并设定各个节点的基准波形在所述采样时间段内的波形段的最小值为相应节点的固定零值，设定各个节点的基准波形在所述采样时间段内的波形段的最大值为相应节点的固定峰值；

第二步：在所述采样时间段内的一个时间点分别提取各节点的每个单故障波形以及基准波形的所述波形段上对应的幅值或者逻辑值，并利用提取的幅值或逻辑值，计算各节点的每个单故障波形分别与相应节点的基准波形的距离DIS、相应节点的固定零值的距离DIS1和相应节点的固定峰值的距离DIS2；

第三步：将各节点的每个故障波形的计算结果分别对应一个三维矢量(DIS,DIS1,DIS2)，并且将每个节点所有对应的所述三维矢量(DIS,DIS1,DIS2)集合在一起而构成各节点的所述单故障波形记录集。

3.根据权利要求2所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，应用改进的二分K均值聚类算法将各节点的所述单故障波形记录集分裂为若干个簇的方法包括，

第一步：设定簇分裂停止阈值th₁和簇分裂有效阈值th₂，以及最大随机分裂次数n；

第二步：初始化簇表，初始簇包括相应节点的所述单故障波形记录集内的所有所述三维矢量(DIS,DIS1,DIS2)；并选择簇表中具有最大误差平方和的簇作为待分裂簇；

第三步：将所述待分裂簇随机分裂成两个子簇，当前随机分裂次数加一，并计算所述待分裂簇的误差平方和SSE_before与所述簇分裂结果内的两个子簇的误差平方和的总和SSE_after的差的绝对值；其中，

所述绝对值小于所述簇分裂有效阈值th₂，则不保留相应的所述簇分裂结果，所述绝对值大于或等于所述簇分裂有效阈值th₂，则保留相应的所述簇分裂结果；

判定当前随机分裂次数是否等于最大随机分裂次数n，若不等于，则再次执行本步骤的相应操作；若等于，则从保留的簇分裂结果中，选择两个子簇的误差平方和的总和SSE_after最小的所述簇分裂结果作为所述待分裂簇最终所述簇分裂结果；

第四步：第三步中的所述待分裂簇最终所述簇分裂结果的两个子簇更新至所述簇表；并计算出簇表中的簇的误差平方和的总和SSE_total，其中，

若SSE_total小于所述簇分裂停止阈值th₁，则停止簇分裂；

若SSE_total大于或等于所述簇分裂停止阈值th₁，则在更新后的所述簇表中选择一个新的待分裂簇，并继续执行第三步和本步骤的相应操作。

4.根据权利要求3所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，将所述单故障波形记录集中每个簇分别设定成一种故障模型，并分别对每个簇内的所述三维矢量(DIS,DIS1,DIS2)进行单故障类别标号，使每一个标号与一种单故障模型对应，并且每一种所述故障模型包含至少一个所述单故障模型。

5.根据权利要求4所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，簇的误差平方和的计算公式为，

${\mathrm{SSE}}_i=\underset{j=1}{\overset{m_i}{\Σ}}{(Fault\·{\mathrm{vec}}_{ij}-k\·{\mathrm{vec}}_i)}^2$

其中，SSE_i表示第i个簇的误差平方和，m_i表示第i个簇中包含的三维矢量个数，Fault·vec_ij表示第i个簇中的第j个三维矢量，k·vec_i表示第i个簇的三维质心矢量；其中，第i个簇的三维质心矢量的计算公式为，

$k\·{\mathrm{vec}}_i=\frac{1}{m_i}\underset{j=1,Fault\·{\mathrm{vec}}_{ij}\∈C_i}{\overset{m_i}{\Σ}}Fault\·{\mathrm{vec}}_{ij}$

其中，C_i表示第i个簇中包含的三维矢量(DIS,DIS1,DIS2)的集合。

6.根据权利要求1所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，基于各节点分裂为若干个簇的所述单故障波形记录集，构建各节点的三维故障分类模型的方法包括，

在各节点的所述单故障波形记录集的簇分裂停止后，分别计算各节点的所述单故障波形记录集内各个簇的三维质心矢量，其中，每个簇的三维质心矢量分别与一种所述故障模型对应；

应用最近邻算法，并将各节点的所述单故障波形记录集内每个簇的三维质心矢量作为所述故障模型分类的参照，而分别构建各节点的所述三维故障分类模型。

7.根据权利要求6所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，定位待诊断电路的故障元器件的方法包括，

第一步：通过探针探测待诊断电路的每个节点，分别获取所述待诊断电路的各个节点的探测波形；

第二步：选择每个节点的采样时间段，而分别截取每个节点的所述探测波形以及基准波形在所述采样时间段内的波形段，并设定各个节点的基准波形在所述采样时间段内的波形段的最小值为相应节点的固定零值，设定各个节点的基准波形在所述采样时间段内的波形段的最大值为相应节点的固定峰值；

第三步：在所述采样时间段内的一个时间点分别提取每个节点的所述探测波形以及基准波形的所述波形段上对应的幅值或者逻辑值，并利用提取的幅值或逻辑值，计算每个节点的所述探测波形分别与基准波形的距离dis、相应节点的固定零值的距离dis1和相应节点的固定峰值的距离dis2；

第四步：将每个节点的所述探测波形的计算结果分别对应一个三维矢量(dis,dis1,dis2)；并将每个节点的所述三维矢量(dis,dis1,dis2)分别归类到相应节点的所述故障波形三维分类模型中，而得出所述待诊断电路在各节点具有的所述故障模型，通过计算出所述待诊断电路具有的所有故障模型的交集，从而定位所述待诊断电路的故障元器件。

8.根据权利要求7所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，得出所述待诊断电路在各节点具有的所述故障模型的方法包括，

应用最近邻算法，计算相应节点的所述单故障波形记录集的每个簇的三维质心矢量与所述三维矢量(dis,dis1,dis2)的距离，并得出与所述三维矢量(dis,dis1,dis2)距离最近的所述三维质心矢量；

所述待诊断电路在相应节点具有与所述三维矢量(dis,dis1,dis2)距离最近的所述三维质心矢量所对应的所述故障模型。

9.根据权利要求7所述的基于仿真分类模型的多探测点故障元器件定位方法，其特征在于，计算出所述待诊断电路所有故障模型的交集的方法包括，

所述待诊断电路在各节点具有的故障模型包括至少一个单故障模型，并且同一节点具有不同的故障模型，其中每个所述故障模型具有的单故障模型互不相同；

计算所述待诊断电路具有的所有故障模型的交集，得出所述待诊断电路在不同节点所共有的所述单故障模型，从而定位所述待诊断电路的故障元器件。