一种基于深度波尔兹曼机的模拟电路故障诊断方法
专利类型：发明专利
语 言：中文
申 请 号：CN201510237382.4
申 请 日：20150511
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20171013
公 开 号：CN104777418B
代 理 人：
代理机构：
摘 要：本发明公开了一种基于深度波尔兹曼机的模拟电路故障诊断方法，包括以下步骤：给待测电路施加激励，在电路的测试节点测量激励响应信号，将测量的响应信号作小波包变换消噪处理后提取候选故障特征信号；对候选特征向量进行标准化处理，得到故障特征向量；将故障特征向量输入到神经网络中进行分类，得到故障诊断结果。本发明中采用基于小波包变换的候选故障特征向量的提取，提高了故障分辨率；通过归一化处理，有效消除了原变量因量纲不同和数值差异太大带来的影响，实现了故障特征提取；通过采用深度波尔兹曼机，对大量无标签样本进行学习，能够得到大量训练样本，并且深度波尔兹曼机是深层模型，能够更好获得样本内在特征，具有良好分类能力。
主 权 项：一种基于深度波尔兹曼机的模拟电路故障诊断方法，即给待测电路施加激励，在电路的测试节点测量激励响应信号；将测量的响应信号作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号，然后进行标准化处理以提取故障特征信息，再将故障特征信息作为样本输入经过深度波尔兹曼机进行故障分类。具体包括以下步骤：步骤一：给待测电路施加激励，在电路的测试节点测量激励响应信号，将测量的响应信号(故障信号的低频特征和高频特征)，作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号；步骤二：对所提取的候选特征向量进行标准化处理，得到故障特征向量；步骤三：训练深度波尔兹曼机。首先将无标签的故障特征向量作为训练样本输入深度波尔兹曼机可见层，采用GREEDY?LAYERWISE方法，自下而上逐层训练；然后利用带标签的训练样本，采用BP算法自上而下进行FINE?TUNE。步骤四：在诊断实施时，对被测电路施加激励信号，提取相应的故障特征，输入到已经训练好的深度波尔兹曼机，波尔兹曼机的输出即为故障类型；步骤五：对于测试中不能识别的故障特征，确定其是否为新故障特征(模式)，加入训练样本集。
关 键 词：
法律状态：生效
IPC专利分类号：G01R31/316