[发明专利]一种复杂模拟电路故障识别与估计方法及系统

说明书

本发明公开了一种复杂模拟电路故障识别与估计方法及系统，属于电力电子电路故障预测领域，其中，方法的实现包括：建立待诊断模拟电路的退化仿真模型，进行不同器件的参数老化模拟实验；利用时序变换方法提取输出信号的一系列时域特征，基于角相似度建立器件的健康指数；结合时间滑窗和卷积神经网络对电路是否发生退化及退化起点进行识别；复用前续识别网络中的部分隐含层和长短时记忆循环网络对退化中的模拟电路进行健康状态估计；对预测准确性进行评估。本发明能在准确识别模拟电路的故障状态起点的同时有效估计模拟电路的健康状态，具有运算效率高，识别准确的特点。

技术领域

本发明属于电力电子电路故障预测领域，更具体地，涉及一种复杂模拟电路故障识别与估计方法及系统。

背景技术

伴随着泛在电力物联网的发展，汽车、飞行器、电力系统的集成化程度正在变得越来越高，系统内部元件之间的相互作用正变得越来越复杂。这些都为电力设备的清洁、稳定运行带来了挑战。因此，模拟电路的退化需要受到关注。

在模拟电路运行的各个阶段都可能发生退化，对于电路早期退化的识别可以及时采取措施，避免进一步的经济、财产损失。同时也可以在最大程度上保全原有设备，确保实验和生产的正常运行。

具体而言，在模拟电路中，各个器件：电容、电阻、电感、电源开关等均有机会发生性能和参数的退化。由于各种器件在模拟电路中的角色不同，各种退化对于设备运转的影响不同。如果电路的退化状态及程度可以及时被评估，生产单位可以及时采取措施，例如：更换元器件、启动备用设备、增加或减少生产计划等。

系统健康状态预测方法一般可以分为三类：基于模型的方法、基于数据的方法和混合预测方法。基于模型的方法通过数学模型或者物理模型的方法，对待预测模型进行建模。由于该模型对于参数设定具有极高的要求，温度或者外负载容量均有可能影响参数的准确性，进而影响模型的预测精度。除此之外，受到噪声影响的原始信号也有可能会影响参数的准确性。因此，基于模型的方法对于系统参数的准确性要求极高。所以，该方法建模过程复杂，运算周期长且复杂。基于数据的预测方法只考虑系统的输入与输出量，然后通过信息学理论进行回归或者分类，运算效率高、抗干扰能力强。混合预测方法尽管可以兼顾两类方法的优势，但是由于其依赖于基于模型的预测方法，内部运算复杂度仍然较高，综合建模成本高，参数依赖性强。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种复杂模拟电路故障识别与估计方法及系统，针对模拟电路的早期退化识别与退化程度估计，能够稳定高效地识别电路退化，并保证准确的退化程度估计。

为实现上述目的，按照本发明的一个方面，提供了一种复杂模拟电路故障识别与估计方法，包括：

(1)建立待诊断模拟电路的退化仿真模型，进行不同器件的参数老化模拟实验，并采集各种器件参数条件下的输出信号；

(2)利用时序变换方法提取各所述输出信号的时域特征，并根据各所述时域特征建立各器件的健康指数；

(3)基于各所述器件的健康指数，结合时间滑窗及卷积神经网络CNN对所述待诊断模拟电路是否发生退化进行识别；

(4)复用前述卷积神经网络的部分隐含层，并结合长短时记忆循环网络LSTM-RNN对已发生退化的电路进行状态估计。

在一些可选的实施方案中，由建立各器件的健康指数，其中，x₁＝(x₁⁽¹⁾,x₁⁽²⁾,...,x₁⁽ⁿ⁾)指的是器件健康状态下的输出信号的时域特征，x₂＝(x₂⁽¹⁾,x₂⁽²⁾,...,x₂⁽ⁿ⁾)指的是老化过程中器件的输出信号的时域特征，n表示时域特征向量长度。