摘要：电路一旦出现故障，在进行诊断时会出现故障部件定位较为困难，诊断率比较低的问题，要想解决电路诊断难的问题，我们提出采用小波技术进行因子分析，来模拟电路故障从而找出诊断的方法。这种方法主要是通过对波形变化进行分析，从而发现故障的具体位置，是目前比较有效的一种方法，同时其技术的使用也相对简单。其原理在于，在出现故障的位置小波的变化是很明显的，我们就能根据小波在不同位置的变化来找出故障的位置，这样才能更快的找出故障的位置从而进行处理。
关键词：小波分析；电路故障诊断；模拟电路
前言
因为人们越来越依赖电力的使用来维持生活水平，所以必须要保证电力供给，从而满足这种需要。电力设备在其中发挥着重要的作用，所以应当提高其可靠性，避免发生故障问题。但是故障是不可能完全避免的，因为外界的干扰因素总是存在，所以在预防的同时还应当不断完善相应技术。诊断技术是指在设备出现故障后，及时对故障的种类进行判断，并采取合理措施进行解决的技术。如果可以合理地将小波分析技术应用到其中，可以使故障诊断更加准确。
1.小波分析的概念及故障原因
1.1小波的概念
小波就是指有着衰减性的小的波形，这种波形因较为敏感，有着一点变化都可以采用函数的形式来表现出来，所以我们在进行小波分析时可以得到较为准确的数据，这也是我们采取小波来进行电路故障分析的原因。小波分析一般都是针对局部的信号，通过对其进行合理的分析，就可以对电路的故障有具体的判断，并且其准确性比较高。这主要是由于局部信号还与整体存在函数关系，所以可以反映出其中存在的问题。在不知道故障位置的情况下，我们可以利用这种信号来建立函数模型，这种波形的变化有着一定的关系，我们能根据建立的函数模型来找出偏离的位置，这样就能准确的找出故障的位置。
1.2小波的故障特征提取
对电路的故障分析采用小波技术进行模拟，这样我们在进行简单判断之后就可以靠着模拟出来的电路来进行故障分析。也就是先利用小波技术进行故障波形的分析，因为小波的波形如果有变化是很容易被发现的，这样我们就能根据小波波形的变化来找出故障的部分，在这种分析的过程中我们都会建立函数的模型。我们在模拟电路故障诊断中，进行诊断的过程实际上就是函数的映射过程。也就是电路信号的函数关系，我们能按照这种关系来找出出现故障的地方。我们把小波反馈回的波形信号进行处理，就可以得到不同频带的小波系数，可以根据这些系数来构建函数，电路的信号又会随着故障的发生而产生波动，这样我们才能通过函数信号的不同来进行故障判断。通常情况下，我们都会先构造出以故障特征为向量的公式，再经过主元分析和归一化算法的处理就可以形成电路诊断所需要的训练和检验样本。
1.3小波的随机森林算法
随机森林算法是一种统计学上的算法，我们能采用随机森林的方式来建立有着样本特征的随机树。而这种随机树其实就是对于样本的分类，这种算法能够把样本进行分类而且运算的速度也很快，而用小波技术与之结合就能根据这种随机树来找出故障的地方。这种算法的具体流程主要可以分解成如下两个环节：首先是进行采样，完成后对所有样本进行分类。之后的统计学分析可以很快地得出样本的特征，再通过方差进行计算就可以基本判断电路存在的问题。该算法的优点在于可以在较短的时间内完成采样工作，数据之间几乎不会出现过拟合现象，同时还可以数据降维。因为这种算法包含了很多优点，所以将其融入到小波技术中后，就可以实现高水平的故障判断。
期刊文章分类查询,尽在期刊图书馆
2.小波故障的解决办法
2.1因子分析
因子分析最开始是被用在心理教育方面，但随着现在技术的发展我们发现也可以用因子分析来进行电路的诊断。因子分析，顾名思义，是对标准的因子进行分析，进而实现对其分类的一种方法。使用这种方法可以对少数的数据进行分析，并反映出整体的关系，是比较具有代表性的以少数来反应多数的形式。在每一份数据之中都有着少数的变量，这种变量就被称作因子，这些因子一般都能一定程度上反映出主体的关系。我们需要找出的对原数据有着一定影响的变量，这些变量相互都具有相似性，并且可以作为分析的主要对象。因子分析可以分为R型的因子分析和Q型的因子分析，这两种都是根据因子不同的变化来进行数据的分析。在分析过程中可以对数据进行分类，能有效避免数据丢失，还可以增加分析的效率。因子分析还能明确我们所需要观测的内容，让我们不用去观测整体，只需要关注对整体有着影响的变量就可以了。因子分析还能对数据进行降低维度的处理，从而提高我们观测结果的精度。
2.2小波去噪介绍
噪音对于我们进行电路故障的诊断是有着很大的影响，噪音对于我们的观测信号有着很大的影响，要想提高我们电路诊断的效率和精准度，进行去噪音的处理是非常有必要的。我们接收到的信号中会包含大量的噪声信号，这些信号会干扰到工作的进行，所以大多数情况必须要进行去躁。在实际工作中，大多会使用小波去躁，因为其可以有效地分辨出噪声信号，也更加容易将其去除。而我们采用小波去噪的原理就是信号与小波之间的函数模型，进而分辨出信号之间存在的差异，最后也需要参考模型来恢复信号。在早期人们对信号进行细节处理来恢复信号的措施，都是采用缓解低通滤波来防止产生数据的丢失，但是这种方法也有一定的缺点。即使该方法和小波去噪有很多共同点，也无法掩盖其中存在的缺点，这种低通滤波很多时候会使信号被破坏，导致失真等问题。但是使用小波去躁就可以避免这种情况的发生，因为它能够很好地保留信号的完整，这主要是因为在信号处理时会提前进行降维，使其不容易发生变化。另外小波变换的分辨性比较优秀，进而避免信号的完整受到影响。因为通过小波变换后的信号，其变化幅度较大，而且它们之间都存在着相关性，所以更加容易进行去躁。我们能根据噪声和信号之间不同的波形来对信号采取降维处理，这样就能减少信号的噪声干扰。
2.3小波阈值去噪
在多种去躁方法中，小波阈值去噪的应用比较普遍，并且取得的效果也是十分可观的。这主要是由于该方法可以准确地对某一范围内的噪声进行屏蔽，使其不再干扰到诊断的进行。对于电路信号进行小波变换可以获得关于小波系数的两组数据，可以对其进行对比分析来获取有价值的信息。通常来讲，有实际作用的信号幅值较大，而噪声则是正好相反。噪声信号分散在我们接收到的信号中，而发现了信号之间幅值的不同我们就能根据这种性质来进行降噪的处理。在接收到信号之后，我们就可以对幅值较低的信号进行剔除，这样我们得到的信号就是不含噪声的信号，这也就是小波的阈值去噪。
3.结语
如果电力设备发生故障，就必然会影响到电网的正常运行，所以必须要避免这种现象的发生。当出现故障时也需要第一时间发现并处理，但是诊断工作却是当前的难点。这种难度主要是在难以判断电路究竟哪里出现了故障，要想准确快速的判断电路究竟哪里出现了故障，我们就需要用到小波技术来进行判断，小波技术还有着很好的抗噪能力。小波技术可以屏蔽掉大部分噪声信号，减少干扰因素对诊断的影响，从而以最快的速度发现故障所在并进行修理。要想提高我们处理电路故障的效率，我们就要活用小波技术，这样才能更好的保证电路的安全。
参考文献：
[1]杨立儒，李红波，郑红岩，等.一种基于小波分析和神经网络的模拟电路故障诊断的方法研究[J].计算机应用与软件，2011，28（3）：223-225.
[2]李璐怡，李志华.一种基于小波预处理的模拟电路故障诊断方法[J].电子设计工程，2014，22（14）：146-148.
论文作者:梁祯英
论文发表刊物:《基层建设》2019年第12期
论文发表时间:2019/7/19
标签：小波论文; 信号论文; 电路论文; 故障论文; 因子论文; 波形论文; 技术论文; 《基层建设》2019年第12期论文;