一种基于改进极限自编码器的模拟电路故障诊断方法及系统技术方案

本发明专利技术公开了一种基于改进极限自编码器的模拟电路故障诊断方法及系统，属于故障诊断领域，旨在解决现有技术中现有的ELM

【技术实现步骤摘要】
一种基于改进极限自编码器的模拟电路故障诊断方法及系统


[0001]本专利技术属于故障诊断领域，涉及一种基于改进极限自编码器的模拟电路故障诊断方法及系统。

技术介绍

[0002]近年来，各种机器学习算法不断地被用作特征学习方法，基本原理是通过对原始数据进行多次非线性转换来有效地学习原始数据的高级和分层表示。快速增长的机器学习算法已逐渐用于故障诊断领域。与传统的基于信号特征提取的故障诊断方法不同，机器学习策略以更高阶的形式表示信号数据的内部模式。信号特征由学习模型捕获，并且这些特征直接从输入信号中捕获，而无需任何先验知识。得益于这一特点，机器学习算法逐渐开始在各个应用场景中发挥作用并取得令人满意的效果。
[0003]ELM
‑
AE模型的最大优势是模型无需迭代，运算速度快，这一点满足了快速故障诊断的需求，将其引入到故障诊断领域具有优势，但是该模型精度低。

技术实现思路

[0004]本专利技术的目的在于解决现有技术中现有的ELM
‑
AE模型应用在模拟电路的故障诊断中诊断精度低的问题，提供一种基于改进极限自编码器的模拟电路故障诊断方法及系统。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]本专利技术提出的一种基于改进极限自编码器的模拟电路故障诊断方法，包括如下步骤：
[0007]将获取的模拟电路正常状态数据和故障状态数据输入至构建的改进自编码器极限学习机故障分类器中，获取改进自编码器极限学习机故障分类器的权值；<br/>[0008]将改进自编码器极限学习机故障分类器的权值和待测模拟电路的输出信号输入至改进自编码器极限学习机故障分类器中，输出模拟电路故障类别，实现模拟电路的故障诊断。
[0009]优选地，根据故障模型来获取模拟电路正常状态数据和故障状态数据。
[0010]优选地，所述故障模型如下：
[0011]获取待测模拟电路的敏感性器件参数的变化，及待测模拟电路正常运行的容差范围；
[0012]根据敏感性器件参数的变化，及待测模拟电路正常运行的容差范围确定故障模型。
[0013]优选地，获取改进自编码器极限学习机故障分类器的权值步骤如下：
[0014]构建数据集，确定激活函数；
[0015]将数据集输入至改进自编码器极限学习机故障分类器中，针对隐层的第1到M层，初始化隐层权值W与隐层偏置b，根据隐层权值W和隐层偏置b计算隐层矩阵H
(M
‑
1)
；
[0016]根据最小化损失函数、隐层矩阵H
(M
‑
1)
和隐层节点数目得到第M隐层的输出权值β
M
；根据激活函数计算第M隐层的输出H
(M)
，根据隐层的输出H
(M)
计算输出层的权值β。
[0017]优选地，第M隐层的输出H
(M)
的计算公式如下：
[0018][0019]其中，M为隐层层数，是第M隐层的输出权重β
M
的转置，N为输入层神经元个数即输入样本的长度，J
M
为第M隐层神经元个数。
[0020]优选地，输出层的权值β如下：
[0021][0022]其中，C为正则化系数，Y为输入对应的标签集合，M表示隐层层数，H
(M)
是第M隐层的输出，H
(M)T
是第M隐层的输出H
(M)
的转置，N是输入样本长度，K为标签的长度即输出层神经元的个数。
[0023]优选地，构建的改进自编码器极限学习机故障分类器的过程中采用SELU激活函数。
[0024]本专利技术提出的一种基于改进极限自编码器的模拟电路故障诊断系统，包括：
[0025]权值获取模块，所述权值获取模块用于将获取的模拟电路正常状态数据和故障状态数据输入至构建的改进自编码器极限学习机故障分类器中，获取改进自编码器极限学习机故障分类器的权值；
[0026]故障类别获取模块，所述故障类别获取模块用于将改进自编码器极限学习机故障分类器的权值和待测模拟电路的输出信号输入至改进自编码器极限学习机故障分类器中，输出模拟电路故障类别，实现模拟电路的故障诊断。
[0027]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现基于改进极限自编码器的模拟电路故障诊断方法的步骤。
[0028]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于改进极限自编码器的模拟电路故障诊断方法的步骤。
[0029]与现有技术相比，本专利技术具有以下有益效果：
[0030]本专利技术提供的一种基于改进极限自编码器的模拟电路故障诊断方法，将模拟电路健康状态和各个故障状态时的数据，作为故障分类器的输入数据来训练模型，确定模型的权值。在故障分类器获取最优权值的过程中是将上次训练过程中的隐藏状态连通给定电路样本的信息共同作为输入信息进行训练，从而可以有效识别模拟电路的属性能力，诊断速度快。本专利技术提出的诊断方法相比于传统的模拟电路故障诊断方法，通过权值的确认，能够将待测模拟电路的数据导入构建的故障分类器中，实现模拟电路的故障诊断，以确定待诊断电路是否发生故障，具有应用广泛的优点。通过构建的故障分类器能够有效地克服极限学习机随机权重和隐层偏置所导致的神经元无效问题，提升了模拟电路故障诊断的准确性。
[0031]进一步地，根据故障模型来获取模拟电路正常状态数据和故障状态数据，能够保
证模型的充分训练，为提高诊断精度提供技术支撑。
[0032]进一步地，输出层权值不需要反复迭代得到，避免误差法向传播算法反复迭代更新造成的效率低下问题。
[0033]进一步地，引入SELU激活函数，能够增强非线性映射和故障分类器的表示能力。
[0034]本专利技术提出的一种基于改进极限自编码器的模拟电路故障诊断系统，通过将系统划分为权值获取模块和故障类别获取模块，采用模块化思想使各个模块之间相互独立，方便对各模块进行统一管理。
附图说明
[0035]为了更清楚的说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0036]图1为本专利技术的基于改进极限自编码器的模拟电路故障诊断方法流程图。
[0037]图2为本专利技术的权值获取流程图。
[0038]图3为本专利技术的Sallen
‑
Key带通滤波器的电路图。
[0039]图4为本专利技术的基于改进极限自编码器的模拟电路故障诊断系统图。
具体实施方式
[0040]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进极限自编码器的模拟电路故障诊断方法，其特征在于，包括如下步骤：将获取的模拟电路正常状态数据和故障状态数据输入至构建的改进自编码器极限学习机故障分类器中，获取改进自编码器极限学习机故障分类器的权值；将改进自编码器极限学习机故障分类器的权值和待测模拟电路的输出信号输入至改进自编码器极限学习机故障分类器中，输出模拟电路故障类别，实现模拟电路的故障诊断。2.根据权利要求1所述的基于改进极限自编码器的模拟电路故障诊断方法，其特征在于，根据故障模型来获取模拟电路正常状态数据和故障状态数据。3.根据权利要求2所述的基于改进极限自编码器的模拟电路故障诊断方法，其特征在于，所述故障模型如下：获取待测模拟电路的敏感性器件参数的变化，及待测模拟电路正常运行的容差范围；根据敏感性器件参数的变化，及待测模拟电路正常运行的容差范围确定故障模型。4.根据权利要求1所述的基于改进极限自编码器的模拟电路故障诊断方法，其特征在于，获取改进自编码器极限学习机故障分类器的权值步骤如下：构建数据集，确定激活函数；将数据集输入至改进自编码器极限学习机故障分类器中，针对隐层的第1到M层，初始化隐层权值W与隐层偏置b，根据隐层权值W和隐层偏置b计算隐层矩阵H
(M
‑
1)
；根据最小化损失函数、隐层矩阵H
(M
‑
1)
和隐层节点数目得到第M隐层的输出权值β
M
；根据激活函数计算第M隐层的输出H
(M)
，根据隐层的输出H
(M)
计算输出层的权值β。5.根据权利要求4所述的基于改进极限自编码器的模拟电路故障诊断方法，其特征在于，第M隐层的输出H
(M)
的...

【专利技术属性】
技术研发人员：刘贞报，贾真，赵闻，张超，赵鹏，刘昕，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：