【技术实现步骤摘要】
一种微波组件故障诊断方法、装置及设备
本专利技术涉及故障诊断领域，尤其涉及一种微波组件故障诊断方法、装置及设备。
技术介绍
故障诊断技术是一种通过监测设备的状态参数来发现设备的异常情况，并在发现异常情况后对故障原因进行分析、诊断的技术，其宗旨是借助当前一切创新技术发现产品的潜在故障，以达到对产品质量事故防患于未然的目的。目前，故障诊断技术已发展成为一门独立的跨学科的综合信息处理技术，是控制领域的一个热点研究方向。近年来，BP(BackPropagation，反向传播)神经网络是目前应用非常广泛的一种推理模型。其理论发展已经十分成熟，取得了许多突破性进展，引起国内外学术界高度重视和极大关注。BP神经网络作为一种新兴的建模技术已经被各行各业的技术人员所使用。在故障诊断方面，该网络模型的应用也十分广泛。在传统的测试线中，被测微波组件所出现的故障问题以及造成故障现象的原因大多是通过检测人员根据测试结果人为判断出来的，这样的后果是诊断效率低下、被测件流转滞后。
技术实现思路
为了解决上述技术问题，本专利技术...
【技术保护点】
1.一种微波组件故障诊断方法，其特征在于，包括：/n获取微波组件的故障特征量，所述故障特征量包括故障现象特征量和故障原因特征量；/n根据所述故障特征量建立反向传播BP神经网络模型；/n对所述BP神经网络模型进行训练；/n利用训练后的所述BP神经网络模型对待诊断故障信息进行诊断。/n
【技术特征摘要】
1.一种微波组件故障诊断方法，其特征在于，包括：
获取微波组件的故障特征量，所述故障特征量包括故障现象特征量和故障原因特征量；
根据所述故障特征量建立反向传播BP神经网络模型；
对所述BP神经网络模型进行训练；
利用训练后的所述BP神经网络模型对待诊断故障信息进行诊断。
2.根据权利要求1所述的微波组件故障诊断方法，其特征在于，所述获取微波组件的故障特征量的步骤包括：
由微波组件故障检测的原始信号中提取故障特征量；
将所述故障特征量转换为向量形式。
3.根据权利要求2所述的微波组件故障诊断方法，其特征在于，将所述故障特征量转换为向量形式的步骤包括：
根据公式：F(Xi)＝ST(Xi)/SR(Xi)，计算所述故障特征量的待诊断状态的当前值与正常状态的预设值的比值；
其中，Xi为所述故障特征量，ST(Xi)为Xi的待诊断状态的当前值，SR为Xi的正常状态的预设值；
根据所述比值确定所述故障特征量的向量值。
4.根据权利要求1所述的微波组件故障诊断方法，其特征在于，根据所述故障特征量建立反向传播BP神经网络模型的步骤包括：
根据所述故障特征量确定BP神经网络模型的输入层节点数和输出层节点数；
根据所述输入层节点数和输出层节点数确定BP神经网络模型的隐含层节点数。
5.根据权利要求4所述的微波组件故障诊断方法，其特征在于，所述输入层节点数为所述故障现象特征量的维数，所述输出层节点数为所述故障原因特征量的维数。
6.根据权利要求4所述的微波组件故障诊断方法，其特征在于，根据所述输入层节点数和输出层节点数确定BP神经网络模型的隐含层节点数的步骤包括：
通过公式计算所述隐含层节点数的取值范围：
其中，K为隐含层节点数，n为输入层节点数，l为输出层节点数，α为1～10的常数。
7.根据权利要求1所述的微波组件故障诊断方法，其特征在于，根据所述故障特征量建立反向传播BP神经网络模型的步骤还包括：
确定激励函数。
8.根据权利要求1所述的微波组件故障诊断方法，其特征在于，对所述BP神经网络模型进行训练的步骤包括：
设定所述BP神经网络模型的初始权重和初始阈值；
利用所述初始权重、初始阈值以及所述故障特征量进行正向传播运算，分别得到隐含层的输出结果和输出层的输出结果；
根据所述输出结果计算误差；
根据所述误差进行逆向反馈运算，得到更新后的权重和阈值。
9.根据权利要求8所述的微波组件故障诊断方法，其特征在于，利用所述初始权重、初始阈值以及所述故障特征量进行正向传播运算，分别得到隐含层的输出结果和输出层的输出结果的步骤包括：
通过公式：计算得到隐含层的输出结果；<...
【专利技术属性】
技术研发人员：王爱民，高昆，葛艳，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。