[发明专利]一种微波组件故障诊断方法、装置及设备

权利要求书

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(X_i)＝S_T(X_i)/S_R(X_i)，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，X_i为所述故障特征量，S_T(X_i)为X_i的待诊断状态的当前值，S_R为X_i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；

其中，b_j表示隐含层第j个神经元的输出，w_ij为输入层至隐含层的权重，a_i为输入层的输入，θ_j为输入层到隐含层的阈值，N为当前神经元前一层的神经元数量；

通过公式：根据所述隐含层的输出结果计算输出层的输出结果；

其中，c_t表示输出层第t个神经元的输出，v_jt表示隐含层至输出层的权重，r_t为隐含层到输出层的阈值。