基于回声状态网络动态分类的模拟电路故障诊断方法技术

基于回声状态网络动态分类的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法。它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号；采集模拟电路的单位脉冲响应输出信号，并将所述单位脉冲响应输出信号作为故障数据样本；将故障数据样本输入至回声状态网络中进行训练，并根据训练结果建立模拟电路故障诊断模型；将获得的电路待诊断响应信号作为故障数据，并输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明专利技术适用于模拟电路故障诊断。

【技术实现步骤摘要】

本专利技术涉及一种模拟电路故障诊断方法。
技术介绍
在电子设备中，模拟电路是最易发生故障的薄弱环节，对模拟电路进行故障诊断可提高电子设备的维修性。由于模拟电路缺乏良好的故障模型，电路响应与元件参数间存在着复杂的非线性关系以及测点数目的限制等，模拟电路故障诊断研究尚未成熟。在这种情况下，基于人工智能的方法被引入模拟电路故障诊断中，这类方法将模拟电路故障诊断看作模式识别问题。由于具有良好的非线性映射能力、自学习适应能力等，神经网络在模拟电路智能诊断方法中最为常用。但是，传统的神经网络如采用BP反向传播算法训练的多层感知器，存在着易陷入局部最小、训练算法复杂等问题。在智能诊断方法中，首先需要从被诊断电路中获取能够表征电路特性的信息，即获得电路在各种工作状态下所表现出来的特征。一般地，选择取值变化对电路输出影响较大的器件作为故障注入单元，为充分研究电路在不同容差条件下所表现出的特性，设置电路中电阻和电容工作在允许容差的范围之内，一般为士5%或士 10%。当电路中的元器件均工作在允许容差内时，电路属于无故障状态；当作为故障注入单元的器件中的任何一个高出或低于其正常取值的一定范围时，而其他器件在允许容差内工作，则认为电路发生故障。为了获得电路在各种状态下的工作信息，一般向电路输入端输入单位脉冲信号，并采集电路的单位脉冲响应信号。为全面反映电路的工作状态，输出信号的采样间隔一般设置较小，采样点数较多， 如果采用静态分类器作为故障诊断模型，一般需要采用小波变换等信号处理方法对故障数据进行特征提取，以降低维数将故障数据转换为静态特征，但是特征提取步骤对故障诊断性能有一定影响，若特征提取方法选择或使用不当，将导致故障诊断精度较低。
技术实现思路
本专利技术是为了解决采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题，从而提供一种。，它由以下步骤实现 步骤一、采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号；采集模拟电路的单位脉冲响应输出信号，并将所述单位脉冲响应输出信号作为故障数据样本；步骤二、将步骤一获得的故障数据样本输入至回声状态网络中进行训练，并根据训练结果建立模拟电路故障诊断模型；步骤三、将步骤一获得的电路待诊断响应信号作为故障数据，并输入至步骤二中建立的模拟电路故障诊断模型中，获得并输出故障诊断结果。步骤二中建立模拟电路故障诊断模型是采用回声状态网络动态分类的方法实现的。步骤二中所述将步骤一获得的故障数据样本输入至回声状态网络中进行训练的具体方法为步骤A、设置参数，所述参数包括储备池处理单元个数、内部连接权谱半径、输入伸缩尺度和储备池稀疏程度；步骤B、初始化回声状态网络，输入连接权矩阵Win及内部连接权矩阵W ；步骤C、将故障数据样本输入已初始化的回声状态网络中，收集回声状态网络的状态变量及输出变量；其中，对于状态变量，仅收集每一个故障数据样本的最后一个状态变量；步骤D、求解输出权矩阵W°ut，获得训练结果。步骤B中所述输入连接权矩阵Win及内部连接权矩阵W的方法为按照均勻分布随机生成。步骤C中，所述的收集回声状态网络的状态变量及输出变量的具体方法是将状态变量及输出变量分别输入至回声状态网络储备池处理单元激活函数及输出单元激活函数中处理，所述回声状态网络储备池处理单元采用的激活函数为双曲正切函数，输出单元采用的激活函数为恒等函数。所述回声状态网络的状态变量收集的方法为对每一个故障数据样本，u(n) = (U1 (η), . . .，Um (η))，将u (η)的每一个数据点 U1(Ii), ... ,um(η)依次输入公式Xi (n) = tanh (WinUi (η) +Wxi^1 (η))计算状态变量；式中，m为故障数据样本序列长度；当i =m时，计算得到u (η)对应的状态变量χ (n) = (X1 (η)，. . .，χΝ (η))τ，即对于状态变量，仅收集每一个故障数据样本的最后一个状态变量；i = 1、2、……、K，K为整数；设故障数据样本数量为a，将回声状态网络的状态变量χ (η)收集至矩阵M本文档来自技高网...

【技术保护点】
１．基于回声状态网络动态分类的模拟电路故障诊断方法，其特征是：它由以下步骤实现：步骤一、采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号；采集模拟电路的单位脉冲响应输出信号，并将所述单位脉冲响应输出信号作为故障数据样本；步骤二、将步骤一获得的故障数据样本输入至回声状态网络中进行训练，并根据训练结果建立模拟电路故障诊断模型；步骤三、将步骤一获得的电路待诊断响应信号作为故障数据，并输入至步骤二中建立的模拟电路故障诊断模型中，获得并输出故障诊断结果。

【技术特征摘要】
1.基于回声状态网络动态分类的模拟电路故障诊断方法，其特征是它由以下步骤实现步骤一、采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号；采集模拟电路的单位脉冲响应输出信号，并将所述单位脉冲响应输出信号作为故障数据样本；步骤二、将步骤一获得的故障数据样本输入至回声状态网络中进行训练，并根据训练结果建立模拟电路故障诊断模型；步骤三、将步骤一获得的电路待诊断响应信号作为故障数据，并输入至步骤二中建立的模拟电路故障诊断模型中，获得并输出故障诊断结果。2.根据权利要求1所述的基于回声状态网络动态分类的模拟电路故障诊断方法，其特征在于步骤二中建立模拟电路故障诊断模型是采用回声状态网络动态分类的方法实现的。3.根据权利要求1所述的基于回声状态网络动态分类的模拟电路故障诊断方法，其特征在于步骤二中所述将步骤一获得的故障数据样本输入至回声状态网络中进行训练的具体方法为步骤A、设置参数，所述参数包括储备池处理单元个数、内部连接权谱半径、输入伸缩尺度和储备池稀疏程度；步骤B、初始化回声状态网络，输入连接权矩阵Win及内部连接权矩阵W; 步骤C、将故障数据样本输入已初始化的回声状态网络中，收集回声状态网络的状态变量及输出变量；其中，对于状态变量，仅收集每一个故障数据样本的最后一个状态变量； 步骤D、求解输出权矩阵W°ut，获得训练结果。4.根据权利要求3所述的基于回声状态网络动态分类的模拟电路故障诊断方法，其特征在于步骤B中所述输入连接权矩阵Win及内部连接权矩阵W的方法为按照均勻分布随机生成。5.根据权利要求3所述的基于回声状态网络动态分类的模拟电路故障诊断方法，...

【专利技术属性】
技术研发人员：彭宇，杨智明，郭嘉，王建民，王少军，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93