【技术实现步骤摘要】
本专利技术属于模拟电路故障诊断领域,涉及一种基于深度波尔兹曼机的模拟电路故障诊断方法。
技术介绍
在当今信息化时代,计算机、通信、自动化系统等电子系统与工业生产和日常生活息息相关,而电路则电子系统的硬件基础,一旦电路发生故障,电子系统乃至整个系统都将无法正常工作。目前,电子设备与人们的生活已经密切相关,己被广泛应用到各个领域。而其运行环境多种多样,从人类普通的生活环境到人类无法生存的恶劣甚至非常恶劣的环境,如超高温、超低温、高湿度、核辐射、高电磁场等环境。随着电子设备广泛运用,人们对电子设备的可靠性指标要求越来越高,并且对某些特殊领域如航空航天,要求则更高。从而要求人们研究新的技术和方法,进一步提高电子设备的可靠性,这就要求当电路发生故障时,能够及时、准确的辨识故障,以便检修和替换。目前,模拟电路的故障诊断方面存在着以下的困难:(1)缺少简单的故障模型;(2)模拟元件参数容差的影响;(3)模拟电路中广泛存在非线性问题;(4)实际的可测节点数有限;(5)实用电路中的反馈回路导致仿真复杂。随着人工智能处理技术的不断发展,如何将人工智能方法与模拟电路故障诊断相结合,成为当时热门研究方向。上个世纪九十年代以后,神经网络、专家系统、模糊理论等逐渐被应用于模拟电路故障诊断中。模拟电路故障涌现出了很多的方法,但是已提出的理论和方法仍然存在许多不足,需要进一步完善。模拟电路故障诊断实际上相当于一个 ...
【技术保护点】
一种基于深度波尔兹曼机的模拟电路故障诊断方法,即给待测电路施加激励,在电路的测试节点测量激励响应信号;将测量的响应信号作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号,然后进行标准化处理以提取故障特征信息,再将故障特征信息作为样本输入经过深度波尔兹曼机进行故障分类。具体包括以下步骤:步骤一:给待测电路施加激励,在电路的测试节点测量激励响应信号,将测量的响应信号(故障信号的低频特征和高频特征),作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号;步骤二:对所提取的候选特征向量进行标准化处理,得到故障特征向量;步骤三:训练深度波尔兹曼机。首先将无标签的故障特征向量作为训练样本输入深度波尔兹曼机可见层,采用greedy layerwise方法,自下而上逐层训练;然后利用带标签的训练样本,采用BP算法自上而下进行fine‑tune。步骤四:在诊断实施时,对被测电路施加激励信号,提取相应的故障特征,输入到已经训练好的深度波尔兹曼机,波尔兹曼机的输出即为故障类型;步骤五:对于测试中不能识别的故障特征,确定其是否为新故障特征(模式),加入训练样本集。
【技术特征摘要】
1.一种基于深度波尔兹曼机的模拟电路故障诊断方法,即给待测电路施加激励,在电路的测试节点测量激励响应信号;将测量的响应信号作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号,然后进行标准化处理以提取故障特征信息,再将故障特征信息作为样本输入经过深度波尔兹曼机进行故障分类。具体包括以下步骤:
步骤一:给待测电路施加激励,在电路的测试节点测量激励响应信号,将测量的响应信号(故障信号的低频特征和高频特征),作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号;
步骤二:对所提取的候选特征向量进行标准化处理,得到故障特征向量;
步骤三:训练深度波尔兹曼机。首先将无标签的故障特征向量作为训练样本输入深度波尔兹曼机可见层,采用greedy layerwise方法,自下而上逐层训练;然后利用带标签的训练样本,采用BP算法自上而下进行fine-tune。
步骤四:在诊断实施时,对被测电路施加激励信号,提取相应的故障特征,输入到已经训练好的深度波尔兹曼机,波尔兹曼机的输出即为故障类型;
步骤五:对于测试中不能识别的故障特征,确定其是否为新故障特征(模式),加入训练样本集。
2.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法,其特征在于:步骤一中,当电路发生故障,其故障信号的特定信息如细微变化及畸变部分包含在低频和高频段部分,将测量的响应信号作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号。
3.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法,其特征在于:步骤...
【专利技术属性】
技术研发人员:魏善碧,柴毅,罗宇,唐健,陈淳,邓萍,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。