一种射频低噪放电路故障诊断方法、系统、介质及应用技术方案

本发明专利技术属于射频电路技术领域，公开了一种射频低噪放电路故障诊断方法、系统、介质及应用，输入模型的状态数、初始概率分布、初始状态转移矩阵、迭代误差、最大迭代步数和观测矢量序列；由K‑means算法以模型状态数分割训练样本数据，再由GMM初始估计高斯混合密度参数，获得CHMM的初始模型；通过Baum‑Welch模型进行参数模型训练，获得第i步迭代的重估模型；由Viterbi算法计算该重估模型下的输出概率，计算重估模型输出概率的增长误差；依次迭代直至满足误差条件收敛或者超过迭代步数，把重估的模型作为最终的结果模型。对于射频电路中元器件开路短路故障识别率可以达到100％的准确率。

【技术实现步骤摘要】
一种射频低噪放电路故障诊断方法、系统、介质及应用
本专利技术属于射频电路
，尤其涉及一种射频低噪放电路故障诊断方法、系统、介质及应用。
技术介绍
目前：当今社会是信息化的社会，尤其是近几年来5G技术的发展更是成为了世界的焦点。世界各国投入巨大科研成本试图在现代通信的对抗中占领制高点，其中半导体器件发展无疑是重中之重。射频电路以半导体器件为基础结合其他元器件以实现某种能量转换为目的工作于高频频段的模拟电路迅速在通信、军事、医疗等领域普及。射频电路由于工作在高频频段，其半导体器件的开关切换速率快，而有的半导体器件常常需要工作在大功率条件下如大功率放大器，再考虑工作环境等因素使得射频电路出故障相对于低频模拟电路的故障机率大大增加。半导体以及焊接失效在能量转换系统中失效率占34％，当电路发生故障时，及时定位故障源便于电路及时维修。在早期的电路故障诊断方法主要以人工检修为主，然而随着电路集成度、复杂度上升，仅靠人工诊断远远不能满足要求。故障诊断指的是对已发生故障的电路，定位其故障位置以及原因。20世纪60年代初，电路的故障诊断作为网络理论的本文档来自技高网...

【技术保护点】
1.一种射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法包括以下步骤：/n选取低噪声放大电路作为研究对象，在ADS中仿真了低噪声放大电路；/n设计故障数据提取方案，对R1,R2,R3进行故障注入，改变环境温度加速电路退化，进行故障数据提取；/n以GMM-HMM作为故障诊断方法，输入模型的状态数、初始概率分布、初始状态转移矩阵、迭代误差、迭代最大步数和观测矢量序列；/n由K-means算法对训练样本数据按照模型状态数进行样本分割，获取高斯混合密度参数，得到CHMM的初始模型；/n通过Baum-Welch算法进行模型训练，获得第i步迭代的重估模型；/n由Viterbi算法计算...

【技术特征摘要】
1.一种射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法包括以下步骤：
选取低噪声放大电路作为研究对象，在ADS中仿真了低噪声放大电路；
设计故障数据提取方案，对R1,R2,R3进行故障注入，改变环境温度加速电路退化，进行故障数据提取；
以GMM-HMM作为故障诊断方法，输入模型的状态数、初始概率分布、初始状态转移矩阵、迭代误差、迭代最大步数和观测矢量序列；
由K-means算法对训练样本数据按照模型状态数进行样本分割，获取高斯混合密度参数，得到CHMM的初始模型；
通过Baum-Welch算法进行模型训练，获得第i步迭代的重估模型；
由Viterbi算法计算第i步重估模型下的输出概率，计算重估模型输出概率的增长误差，不满足误差条件且迭代步数小于最大迭代步数，以第i步重估模型作为第i+1步初始条件继续模型训练；满足误差条件收敛或者超过最大迭代步数，把第i步重估的模型作为故障模型的训练结果；
对每个故障类型都建立起故障诊断模型，把所有的测试数据依次带入每个故障模型。对于每个故障的故障模型以Viterbi算法获取所有测试数据输出概率，取所有测试数据似然概率最大对应测试数据诊断为该故障模型对应的故障类型。


2.如权利要求1所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法对HMM模型中的第j个状态，产生观测矢量O的概率密度函数写为：



其中，M表示第j状态高斯元的个数、cjl表示第j状态高斯元的个数、N表示标准正态分布、μjl表示第j个状态第l个高斯元的均值矢量、U第j状态第l个高斯元的协方差矩阵；概率密度函数的重估公式如下，γt(j,l)表示t时刻状态j的第l个高斯元的输出概率：














3.如权利要求1所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法包括：对电路故障参数的提取以及预处理；参数模型的建立及故障预测。


4.如权利要求3所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法的故障参数提取通过改变电子电路的环境温度加速其老化过程，完成电子电路故障特征参数提取工作。


5.如权利要求3所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法故障模型训练以及识别，根据所提取的故障参数，进行元件级故障模型的训练；通过对电路中元器件注入故障提取故障参数，再分别训练与之相应的HMM故障模型；通过GMM算法对发射概率进行拟合，可以获取发射概率矩阵B，再结合Baum-Welch算法进行模型训练，完整的CHMM模型训练步骤如下：
1)首先输入模型的状态数、初始概率分布π、初始状态转移矩阵A、迭代误差ε、迭代最大步数L和观测矢量序列O；
2)由K-means算法以及高斯混合模型获取初始模型参数，...

【专利技术属性】
技术研发人员：孙璐，李洋，杜晗，梁佩佩，权星，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61