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

本发明属于故障诊断领域，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。

背景技术：

1、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。

2、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

1、本发明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。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、本发明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：

4、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；

5、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。

6、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。

7、优选地，所述故障模型如下：

8、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；

9、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。

10、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：

11、构建数据集，确定激活函数；

12、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)；

13、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βm；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。

14、优选地，第m隐层的输出h(m)的计算公式如下：

15、

16、其中，m为隐层层数，是第m隐层的输出权重βm的转置，n为输入层神经元个数即输入样本的长度，jm为第m隐层神经元个数。

17、优选地，输出层的权值β如下：

18、

19、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。

20、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。

21、本发明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：

22、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；

23、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。

24、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。

25、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。

26、与现有技术相比，本发明具有以下有益效果：

27、本发明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。本发明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。

28、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。

29、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。

30、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。

31、本发明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。

技术特征：

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：

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：

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：

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)的计算公式如下：

6.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，输出层的权值β如下：

7.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，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。

8.一种基于改进极限自编码器的模拟电路故障诊断系统，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1至7中任意一项所述的基于改进极限自编码器的模拟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权利要求1至7中任意一项所述的基于改进极限自编码器的模拟电路故障诊断方法的步骤。

技术总结
本发明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‑AE模型应用在模拟电路的故障诊断中诊断精度低的问题。根据电路中器件对关键输出的影响确定敏感性器件，针对不同的敏感性器件设置不同的故障类型。采集模拟电路健康状态和各个故障状态时的电路关键信号，作为故障诊断模型的训练数据集和测试数据集。设置SELU‑MELM‑AE模型的因此结构，激活函数选择为SELU，通过训练模型确定模型的网络权值和输出权值，通过测试数据集验证模型的诊断精度。相比于传统的模拟电路故障诊断方法，本发明所提出的方法具有应用广泛、识别准确率高等优点。

技术研发人员：刘贞报,贾真,赵闻,张超,赵鹏,刘昕
受保护的技术使用者：西北工业大学
技术研发日：
技术公布日：2024/1/12