技术特征：
1.一种传感器电路故障诊断方法，其特征在于，包括：获取传感器电路输出的时域连续电压信号；对时域连续电压信号进行时域特征提取和频域特征提取，得到时域特征数据和频域特征数据；根据所述时域连续电压信号、时域特征数据和频域特征数据，调用预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果。2.根据权利要求1所述的传感器电路故障诊断方法，其特征在于，所述对时域连续电压信号进行时域特征提取和频域特征提取，得到时域特征数据和频域特征数据包括：获取时域连续电压信号的最大值、最小值、平均值、标准差、峰度以及偏度中的一个或几个，得到时域特征数据；将时域连续电压信号进行时频转换，得到频域连续电压信号，获取频域连续电压信号的带宽和中心频率中的一个或几个，得到频域特征数据。3.根据权利要求1所述的传感器电路故障诊断方法，其特征在于，所述根据所述时域连续电压信号、时域特征数据和频域特征数据，调用预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果包括：组合时域特征数据和频域特征数据，得到时频混合数据；将时域连续电压信号和时频混合数据均进行归一化处理，得到归一化时频电压数据和归一化时频混合数据；将归一化时频电压数据和归一化时频混合数据输入预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果。4.根据权利要求3所述的传感器电路故障诊断方法，其特征在于，所述预设的传感器电路故障诊断模型包括dnn神经网络、lstm神经网络、全连接层网络以及softmax层网络；dnn神经网络用于输入归一化时频混合数据，输出dnn神经网络输出数据至全连接层网络；lstm神经网络用于输入归一化时频电压数据，输出lstm神经网络输出数据至全连接层网络；全连接层网络用于将dnn神经网络输出数据和lstm神经网络输出数据进行全连接处理，得到全连接层网络输出数据并输出至softmax层网络；softmax层网络用于根据输入的全连接层网络输出数据，得到传感器电路故障诊断结果并输出。5.根据权利要求4所述的传感器电路故障诊断方法，其特征在于，所述softmax层网络的softmax函数为：其中，fc_out(m)[i]为第m组时域连续电压信号的全连接层网络输出数据的第i个数据，fc_out(m)[j]为第m组时域连续电压信号的全连接层网络输出数据的第j个数据，m为时域连续电压信号的获取组数，k为传感器电路的故障类型数；s(fc_out(m)[i])为传感器电路故障诊断结果的第i个数据，i＞0时表示传感器电路元件i发生故障的概率，i＝0时表示
传感器电路不发生故障的概率。6.一种传感器电路故障诊断系统，其特征在于，包括：数据获取模块，用于获取传感器电路输出的时域连续电压信号；特征提取模块，用于对时域连续电压信号进行时域特征提取和频域特征提取，得到时域特征数据和频域特征数据；诊断模块，用于根据所述时域连续电压信号，调用预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果。7.根据权利要求6所述的传感器电路故障诊断系统，其特征在于，所述诊断模块具体用于：组合时域特征数据和频域特征数据，得到时频混合数据；将时域连续电压信号和时频混合数据均进行归一化处理，得到归一化时频电压数据和归一化时频混合数据；将归一化时频电压数据和归一化时频混合数据输入预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果。8.根据权利要求7所述的传感器电路故障诊断系统，其特征在于，所述预设的传感器电路故障诊断模型包括dnn神经网络、lstm神经网络、全连接层网络以及softmax层网络；dnn神经网络用于输入归一化时频混合数据，输出dnn神经网络输出数据至全连接层网络；lstm神经网络用于输入归一化时频电压数据，输出lstm神经网络输出数据至全连接层网络；全连接层网络用于将dnn神经网络输出数据和lstm神经网络输出数据进行全连接处理，得到全连接层网络输出数据并输出至softmax层网络；softmax层网络用于根据输入的全连接层网络输出数据，得到传感器电路故障诊断结果并输出。9.一种传感器电路故障诊断装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述传感器电路故障诊断方法的步骤。10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述传感器电路故障诊断方法的步骤。
技术总结
本发明属于传感器电路故障诊断领域，公开了一种传感器电路故障诊断方法、系统、介质及装置，包括获取传感器电路输出的时域连续电压信号；对时域连续电压信号进行时域特征提取和频域特征提取，得到时域特征数据和频域特征数据；根据所述时域连续电压信号、时域特征数据和频域特征数据，调用预设的传感器电路故障诊断模型，得到传感器电路故障诊断结果。实现特征提取和时序信号的联合处理，不仅考虑了时域连续电压信号本身与传感器电路故障的相关性，还利用特征工程的方法，对时域连续电压信号进行时域和频域的两重特征提取，将这些数据共同输入到传感器电路故障诊断模型进行融合，获取传感器电路的故障诊断结果，准确性得到较大提高。高。高。
技术研发人员：刘铭扬 李振明 魏斌 刘伟 徐翀 彭鹏
受保护的技术使用者：国家电网有限公司 国网上海市电力公司
技术研发日：2022.08.16
技术公布日：2023/1/17