电路故障分析模型的训练方法以及电路故障分析方法技术

本申请涉及一种电路故障分析模型的训练方法以及电路故障分析方法。其中，训练方法包括获取待训练的电路故障分析模型、以及电路故障的训练数据，训练数据包括样本数据以及样本标签；将样本数据输入至待训练的电路故障分析模型，通过电路故障分析模型对样本数据进行特征突出处理，得到故障特征；通过电路故障分析模型对故障特征进行时序特征提取，将时序特征提取得到的特征数据进行分类预测；将分类预测结果与样本标签进行相似度对比；更新待训练的电路故障分析模型的模型参数直至相似度对比结果不大于预设误差，得到已训练的电路故障分析模型。方法提升了电路故障分析模型的适用性，也提升了电路模型故障分析结果的准确性和可靠性。可靠性。可靠性。

【技术实现步骤摘要】
电路故障分析模型的训练方法以及电路故障分析方法


[0001]本申请涉及集成电路
，特别是涉及一种电路故障分析模型的训练方法、装置、计算机设备、存储介质和计算机程序产品；同时还涉及一种电路故障分析方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]电子电路是指由电子器件和有关无线电元件组成的电路。包括放大、振荡、整流、检波、调制、频率变换、波形变换等电路，以及各种控制电路；可以广泛应用于各种电子设备中。例如，在工业领域中，工业操作系统规模越来越庞大，功能越来越复杂，而电子电路系统则是工业操作系统的核心模块。又例如，在在军用领域中，电子电路在现代武器装备中核心组成部分，电子电路已经成为了导弹、鱼雷、各种炸弹等武器装备中的核心组件。至航空航天，国防军工等重要领域，下至医疗、交通以及通信等与人民密切相关的衣食住行领域，整个系统的完整性和安全性均与电子电路息息相关，因此电子电路系统的可靠性和安全性就显得尤为重要。
[0003]传统的电子电路故障分析的方式或方法，通过是采用时频域特征分析，例如，傅里叶变换、经验模态分解、小波分析、以及希尔伯特黄变换等等；以上的变换方法只是针对电路的输出电压或电流模拟量进行单纯的数字特征分析和计算；又或者通过机器视觉技术对一些外观缺陷和异常的设备或零部件故障进行分析。但是，对于特征微弱、复杂或者故障现象不明显的电力电路等故障的识别与判断结果准确率稍低，导致电子电路故障分析结果可靠性较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够支持高可靠性的故障分析的电路故障分析模型的训练方法和可靠性更高的电路故障分析方法；以及能够实现对应方法的装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种电路故障分析模型的训练方法。所述方法包括：
[0006]获取待训练的电路故障分析模型、以及电路故障的训练数据，所述训练数据包括样本数据以及样本标签；
[0007]将所述样本数据输入至所述待训练的电路故障分析模型，通过电路故障分析模型对所述样本数据进行特征突出处理，得到故障特征；
[0008]通过电路故障分析模型对所述故障特征进行时序特征提取，将时序特征提取得到的特征数据进行分类预测；
[0009]将分类预测结果与所述样本标签进行相似度对比；
[0010]更新所述待训练的电路故障分析模型的模型参数直至所述相似度对比结果不大于预设误差，得到已训练的电路故障分析模型。
[0011]在其中一个实施例中，所述更新所述待训练的电路故障分析模型的模型参数直至
所述相似度对比结果不大于预设误差，得到已训练的电路故障分析模型包括：
[0012]若所述相似度对比结果大于预设误差，则通过鲸鱼优化算法对电路故障分析模型的模型参数进行更新，将模型参数更新后的所述电路故障分析模型重新作为所述待训练的电路故障分析模型，返回所述将所述样本数据输入至所述待训练的电路故障分析模型的步骤；
[0013]若所述相似度对比结果不大于预设误差，则得到已训练的电路故障分析模型。
[0014]在其中一个实施例中，通过鲸鱼优化算法对电路故障分析模型的模型参数进行更新，包括：
[0015]获取电路故障分析模型中的卷积层通道数、卷积核大小、池化层参数以及长短期记忆层参数；
[0016]根据所述卷积层通道数、所述卷积核大小、所述池化层参数以及所述长短期记忆层参数，构建得到鲸鱼优化算法的鲸鱼种群；
[0017]从所述鲸鱼种群中产生参考个体；
[0018]通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新；
[0019]根据位置更新之后的鲸鱼个体与所述参考个体之间的距离，筛选得到最优个体；
[0020]根据所述最优个体对应的模型参数，对电路故障分析模型进行参数更新。
[0021]在其中一个实施例中，所述通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新包括：
[0022]获取螺旋式游走模型中预设的螺旋线控制参数；
[0023]通过所述螺旋线控制参数对鲸鱼个体进行位置更新。
[0024]在其中一个实施例中，所述通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新，包括：
[0025]根据鲸鱼个体与参考个体之间的个体距离，确定螺旋式游走模型的包围步长；
[0026]根据所述包围步长对鲸鱼个体进行筛选，对筛选后得到的鲸鱼个体进行位置更新。
[0027]在其中一个实施例中，所述将所述样本数据输入至所述待训练的电路故障分析模型，对所述样本数据进行特征突出处理，得到故障特征，包括：
[0028]对所述样本数据进行特征提取，得到电路故障的初始特征；
[0029]将所述初始特征进行归一化处理，得到权重矩阵；
[0030]将所述权重矩阵中的权重张量与权重张量对应的初始特征进行乘积运算，得到故障特征。
[0031]在其中一个实施例中，所述将所述权重矩阵中的权重张量与权重张量对应的初始特征进行乘积运算，得到故障特征，包括：
[0032]获取所述权重矩阵中的权重张量、预设的单位张量以及预设的剪枝参数；
[0033]通过所述单位张量对所述权重张量进行反向处理，得到反向张量；
[0034]将所述反向张量与权重张量对应的初始特征输入电路故障分析模型中的激活函数；
[0035]通过所述剪枝参数，对激活函数的运算结果进行剪枝处理，得到故障特征。
[0036]第二方面，本申请还提供了一种电路故障分析方法。所述方法包括：
[0037]获取电路运行时产生的运行数据、以及电路故障分析模型；
[0038]将所述运行数据输入所述电路故障分析模型进行故障分析，输出得到电路故障分析结果；
[0039]所述电路故障分析模型通过第一方面中任意一种电路故障分析模型的训练方法训练得到。
[0040]第三方面，本申请还提供了一种电路故障分析模型的训练装置。所述装置包括：
[0041]数据获取模块，获取待训练的电路故障分析模型、以及电路故障的训练数据，所述训练数据包括样本数据以及样本标签；
[0042]特征突出模块，将所述样本数据输入至所述待训练的电路故障分析模型，通过电路故障分析模型对所述样本数据进行特征突出处理，得到故障特征；
[0043]时序处理模块，通过电路故障分析模型对所述故障特征进行时序特征提取，将时序特征提取得到的特征数据进行分类预测；
[0044]误差分析模块，将分类预测结果与所述样本标签进行相似度对比；
[0045]模型优化模块，更新所述待训练的电路故障分析模型的模型参数直至所述相似度对比结果不大于预设误差，得到已训练的电路故障分析模型。
[0046]第四方面，本申请还提供了一种电路故障分析装置。所述装置包括：
[0047]模型获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电路故障分析模型的训练方法，其特征在于，所述方法包括：获取待训练的电路故障分析模型、以及电路故障的训练数据，所述训练数据包括样本数据以及样本标签；将所述样本数据输入至所述待训练的电路故障分析模型，通过电路故障分析模型对所述样本数据进行特征突出处理，得到故障特征；通过电路故障分析模型对所述故障特征进行时序特征提取，将时序特征提取得到的特征数据进行分类预测；将分类预测结果与所述样本标签进行相似度对比；更新所述待训练的电路故障分析模型的模型参数直至所述相似度对比结果不大于预设误差，得到已训练的电路故障分析模型。2.根据权利要求1所述的方法，其特征在于，所述更新所述待训练的电路故障分析模型的模型参数直至所述相似度对比结果不大于预设误差，得到已训练的电路故障分析模型包括：若所述相似度对比结果大于预设误差，则通过鲸鱼优化算法对电路故障分析模型的模型参数进行更新，将模型参数更新后的所述电路故障分析模型重新作为所述待训练的电路故障分析模型，返回所述将所述样本数据输入至所述待训练的电路故障分析模型的步骤；若所述相似度对比结果不大于预设误差，则得到已训练的电路故障分析模型。3.根据权利要求2所述的方法，其特征在于，通过鲸鱼优化算法对电路故障分析模型的模型参数进行更新包括：获取电路故障分析模型中的卷积层通道数、卷积核大小、池化层参数以及长短期记忆层参数；根据所述卷积层通道数、所述卷积核大小、所述池化层参数以及所述长短期记忆层参数，构建得到鲸鱼优化算法的鲸鱼种群；从所述鲸鱼种群中产生参考个体；通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新；根据位置更新之后的鲸鱼个体与所述参考个体之间的距离，筛选得到最优个体；根据所述最优个体对应的模型参数，对电路故障分析模型进行参数更新。4.根据权利要求3所述的方法，其特征在于，所述通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新包括：获取螺旋式游走模型中预设的螺旋线控制参数；通过所述螺旋线控制参数对鲸鱼个体进行位置更新。5.根据权利要求3所述的方法，其特征在于，所述通过鲸鱼优化算法中鲸鱼个体的螺旋式游走模型，对所述鲸鱼个体进行位置更新，包括：根据鲸鱼个体与参考个体之间的个体距离，确定螺旋式游走模型的包围步长；根据所述包围步长对鲸鱼个体进行...

【专利技术属性】
技术研发人员：孟苓辉，周振威，陈义强，路国光，赵振博，余陆斌，何世烈，刘俊斌，俞鹏飞，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：