考虑模糊组预判别的组合神经网络电路故障诊断方法技术

本发明专利技术公开了一种考虑模糊组预判别的组合神经网络电路故障诊断方法，属于故障诊断技术领域。所述方法首先确定测试点的故障隔离模糊组，进行故障模糊组的可分离性判别；针对可分离模糊组状态‑测试矩阵建立组合神经网络诊断子模型，应用组合神经网络完成故障诊断。本发明专利技术使得神经网络模型中分类标签的设置更加合理，提高了基于神经网络故障诊断的准确性；每次诊断最多运行一个神经网络模型，运算效率高；本发明专利技术扩展了神经网络模型的应用范围，提高了诊断效果。

【技术实现步骤摘要】
考虑模糊组预判别的组合神经网络电路故障诊断方法
本专利技术属于故障诊断
，涉及一种考虑模糊组预判别的组合神经网络电路故障诊断方法。
技术介绍
产品的故障会影响系统功能、导致系统失效甚至造成重大事故。故障诊断技术的研究对提高系统效率、减少停机时间、降低安全隐患具有重要意义。基于神经网络的故障诊断方法具有自学习和自适应能力，已广泛应用于航空、航天、船舶、汽车等领域。然而在工程实际中，对于故障模式与测试参数数量较大的产品，仅仅应用一个神经网络进行故障诊断是非常困难的，模型的准确性会随着故障数量的增加而降低，而对每一个故障都建立诊断模型则会导致资源的浪费，影响诊断效率。
技术实现思路
针对上述问题，本专利技术提出一种考虑模糊组预判别的组合神经网络电路故障诊断方法，首先确定测试点的故障隔离模糊组，对故障模糊组进行可分离性判别，对于可分离模糊组构建诊断子模型，最后构建组合神经网络模型实现故障诊断。具体地，所述的考虑模糊组预判别的组合神经网络电路故障诊断方法包括以下几个步骤：步骤一、确定测试点的故障隔离模糊组；主要步骤如下：1.1构建状态-测试矩阵；获取产品在各个状态下的数据，确定产品在每个状态本文档来自技高网...

【技术保护点】
1.一种考虑模糊组预判别的组合神经网络电路故障诊断方法，其特征在于：步骤一、确定测试点的故障隔离模糊组；步骤二、故障模糊组的可分离性判别；步骤三、可分离模糊组的神经网络诊断子模型构建；3.1、确定神经网络诊断子模型的数量；诊断子模型的数量等于可分离模糊组的数量；3.2、确定诊断子模型的输入与输出；诊断子模型的输入数据是可分离模糊组内各个状态下的样本数据，诊断子模型的输出是类标签，每一个类标签代表其相应的故障，如果模糊组内的故障i与故障j是可分离的，那么为他们分别定义不同的分类标签，如果是不可分离的，则将故障i与故障j合并，它们共用同一个分类标签；3.3、构建诊断子模型；步骤四、组合神经网络诊断...

【技术特征摘要】
1.一种考虑模糊组预判别的组合神经网络电路故障诊断方法，其特征在于：步骤一、确定测试点的故障隔离模糊组；步骤二、故障模糊组的可分离性判别；步骤三、可分离模糊组的神经网络诊断子模型构建；3.1、确定神经网络诊断子模型的数量；诊断子模型的数量等于可分离模糊组的数量；3.2、确定诊断子模型的输入与输出；诊断子模型的输入数据是可分离模糊组内各个状态下的样本数据，诊断子模型的输出是类标签，每一个类标签代表其相应的故障，如果模糊组内的故障i与故障j是可分离的，那么为他们分别定义不同的分类标签，如果是不可分离的，则将故障i与故障j合并，它们共用同一个分类标签；3.3、构建诊断子模型；步骤四、组合神经网络诊断模型构建；组合神经网络模型有两部分组成，一部分是状态-测试矩阵诊断分析模型，一部分是神经网络子模型集合；通过状态-测试矩阵诊断分析模型获得三类诊断结果：可唯一隔离的故障、不可分离的模糊组以及可分离的模糊组；神经网络诊断子模型是针对可分离模糊组构建的，一个可分离模糊组对应一个神经网络子模型；对可唯一隔离的故障与不可分离的模糊组无需构建神经网络诊断子模型；步骤五、应用组合神经网络完成故障诊断。2.根据权利要求1所述的一种考虑模糊组预判别的组合神经网络电路故障诊断方法，其特征在于：步骤一具体为，1.1构建状态-测试矩阵；获取产品在各个状态下的数据，确定产品在每个状态下各测试点数据的数据范围，形成状态-测试矩阵；1.2利用状态-测试矩阵进行隔离分析；对于每一个测试点，将各个故障状态下的测试点数据范围与正常状态下的测试点数据范围进行比较，比较的结果有3种情况：第一种情况、交集为空集；第二种情况、交集不为空集，但小于故障状态的集合；第三种情况、交集不为空集，且交集等于故障状态的集合；如果比较的结果是第二种情况，则把该情况归为第一种情况进行一轮比较，然后把它归为第三种情况再进行一轮比较；将故障i与正常状...

【专利技术属性】
技术研发人员：王自力，石君友，邓怡，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11