[发明专利]基于深度学习与复数特征的模拟电路故障诊断方法

摘要

本发明公开了一种基于深度学习与复数特征的模拟电路故障诊断方法，采用仿真软件对无故障状态和各个故障状态进行仿真，依次设置不同的代表性工作频点，在每个测点处分别测得无故障信号的幅值和相位，计算得到信号的实数值和虚数值，将实数值和虚数值构建样本向量，并根据故障状态进行标签标记；采用自编码网络和分类器构成分类网络，采用样本向量和对应标签进行训练，然后在模拟电路需要进行故障诊断时，依次设置不同的代表性工作频点，在各个测点处测得当前的幅值和相位，按照同样式构建样本向量，然后输入训练好的分类网络，得到的分类结果即为故障诊断结果。本发明采用自编码网络并结合信号的复数特征，提高模拟电路故障诊断的准确率。

主权项

1.一种基于深度学习与复数特征的模拟电路故障诊断方法，其特征在于，包括以下步骤：S1：记模拟电路中故障状态数量为N，测点数量为M，选择K个测试频点，采用仿真软件仿真获取样本数据：设置模拟电路的激励源为交流，首先对模拟电路无故障状态进行仿真，依次设置不同的测试频点，在每个测点处分别测得无故障信号的幅值A0mk和相位θ0mk，m的取值范围为m＝1,2,…,M，k的取值范围为k＝1,2,…,K；然后对故障状态进行仿真，对于每个故障状态sn，n的取值范围为n＝1,2,…,N，设置其对应的故障元件值为故障值，其他故障元件在容差范围内任意选择值，依次设置不同的测试频点，在每个测点处分别测得故障信号的幅值Anmk和相位θnmk；计算无故障状态下每个测点处无故障信号的实数值a0mk＝A0mkcosθ0mk和虚数值b0mk＝A0mksinθ0mk，构建无故障样本向量V0＝(a011,b011,a021,b021,…,a012,b012,a022,b022,…,a0MK,b0MK)，并分别计算故障状态sn下每个测点处故障信号的实数值anmk＝Anmkcosθnmk和虚数值bnmk＝Anmksinθnmk，构建故障样本向量Vn＝(an11,bn11,an21,bn21,…,an12,bn12,an22,bn22,…,anMK,bnMK)；将每个样本向量中的每个元素归一化至[0,1]范围内，按照故障状态对无故障样本向量和故障样本向量进行标签标记；S2：采用自编码网络和分类器构成分类网络，然后采用步骤S1得到的无故障样本向量、故障样本向量和对应标签对分类网络进行训练，得到训练好的分类网络；S3：在模拟电路需要进行故障诊断时，设置激励源与仿真时相同，依次设置不同的测试频点，在各个测点处测得当前的幅值和相位计算每个测点处信号的实数值和虚数值构建测试样本向量将测试样本向量中的每个元素归一化至[0,1]范围内，然后将其输入步骤S2训练好的分类网络，得到的分类结果即为故障诊断结果。