一种基于深度学习的电磁干扰诊断方法技术

技术编号:41309327 阅读:25 留言:0更新日期:2024-05-13 14:53
本发明专利技术公开了一种基于深度学习的电磁干扰诊断方法,涉及电磁干扰诊断领域,具体包括:选用DM‑WGAN网络对样本进行数据增强;选用小波包分解方法和自适应阈值峰值提取法进行数据预处理,得到降维后的一维能量综合特征值和峰值特征矩阵;将得到的特征矩阵输入到基于EMSC的多通道double‑1D‑CNN模型中进行模型的预训练;训练完成后将处理后的测试集输出到模型中进行结果预测,得到最终的电磁干扰诊断结果。本发明专利技术是基于深度学习的方法进行电磁干扰诊断系统,针对电磁干扰小样本特性提出了一种针对信号数据进行数据增强的方法DM‑WGAN,来提高模型的可靠性,针对模型在不同维度上特征学习能力,使用多特征以及基于EMSC的多通道double‑1D‑CNN模型来实现,使得电磁干扰诊断更加精准。

【技术实现步骤摘要】

本专利技术涉及电磁干扰诊断方法,更具体地说,涉及一种基于深度学习的电磁干扰诊断方法


技术介绍

1、目前人们所处的电子和系统环境越来越复杂,设备和设备之间会产生相应的电磁干扰,为了保证设备和系统的正常运行,电磁干扰检测成为了保障电磁环境安全的必要手段,它可以避免或者减少电磁干扰问题产生的影响。面对电磁干扰问题,最好的办法就是在设计初期以及问题发生时及时对问题进行干扰诊断。

2、传统的电磁干扰问题主要还是依赖于人工干预,需要通过工程师的个人经验进行故障查找。但是由于现在的设备和系统集成度越来越高,内部结构复杂,并且各功能模块相互耦合,导致电磁干扰诊断变得困难。并且对于工程师来说很难快速准确的诊断出电磁干扰源,则需要寻找一种无需人工参与自动化的快速检测方式。

3、近几年,深度学习已经在许多故障检测领域有着很好的表现,其有自动学习的能力,可以通过构建不同深度的网络很好的学习数据和分类之间的映射关系,避免了人工特征提取的不全面和不准确性。针对电磁干扰领域,有学者使用resnet网络构建电磁干扰诊断模型,以及使用基于cnn模型的度量学习方法进本文档来自技高网...

【技术保护点】

1.一种基于深度学习的电磁干扰诊断方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤S1中,对所述生成高质量的伪样本Xv具体为:

3.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤S2中,对所述一维能量综合特征矩阵具体为:

4.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤S3中,对所述一维峰值特征矩阵具体为:

5.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤S4中,对所述基于EMSC的多通道doubl...

【技术特征摘要】

1.一种基于深度学习的电磁干扰诊断方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤s1中,对所述生成高质量的伪样本xv具体为:

3.根据权利要求1所述的一种基于深度学习的电磁干扰诊断方法,其特征在于,步骤s2中,对所述一维能量综合特征矩阵具体为:

4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员:彭宇张莉陈歆梁培
申请(专利权)人:中国计量大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1