[发明专利]一种微波组件故障诊断方法、装置及设备

说明书

本发明公开了一种微波组件故障诊断方法、装置及设备，所述微波组件故障诊断方法包括：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。本发明的实施例，由历史故障案例信息中提取故障特征量，使得整个模型具备很好的鲁棒性和容错性，提高了模型的适应性和稳定性；利用BP神经网络可高度拟合非线性的能力，解决了微波组件故障诊断问题中故障信息与故障原因的耦合关系，从而实现对新产生故障快速定位至其导致原因，实现面向自动测试单元的微波组件故障的智能诊断。

技术领域

本发明涉及故障诊断领域，尤其涉及一种微波组件故障诊断方法、装置及设备。

背景技术

故障诊断技术是一种通过监测设备的状态参数来发现设备的异常情况，并在发现异常情况后对故障原因进行分析、诊断的技术，其宗旨是借助当前一切创新技术发现产品的潜在故障，以达到对产品质量事故防患于未然的目的。目前，故障诊断技术已发展成为一门独立的跨学科的综合信息处理技术，是控制领域的一个热点研究方向。

近年来，BP(Back Propagation，反向传播)神经网络是目前应用非常广泛的一种推理模型。其理论发展已经十分成熟，取得了许多突破性进展，引起国内外学术界高度重视和极大关注。BP神经网络作为一种新兴的建模技术已经被各行各业的技术人员所使用。在故障诊断方面，该网络模型的应用也十分广泛。在传统的测试线中，被测微波组件所出现的故障问题以及造成故障现象的原因大多是通过检测人员根据测试结果人为判断出来的，这样的后果是诊断效率低下、被测件流转滞后。

发明内容

为了解决上述技术问题，本发明提供了一种微波组件故障诊断方法、装置及设备，解决了现有技术中微波组件的故障诊断效率低下、被测件流转滞后的问题。

依据本发明的一个方面，提供了一种微波组件故障诊断方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。