一种基于训练网络的电子电路故障在线训练方法与流程

本发明涉及电子电路故障诊断技术，尤其涉及一种利用训练网络进行故障在线诊断的方法。

背景技术：

1、电子电路故障常常导致电路输出电压、电流波形畸变和数值的变化。现有的故障训练方法多依赖于专家经验或传统信号处理技术，效率和准确性有限。因此，需要一种能够自动诊断电子电路故障的方法，提高诊断准确性和效率。

技术实现思路

1、本发明提供了一种基于训练网络的电子电路故障在线训练方法，包括。

2、1)确定故障信息数据与训练网络输入样本的对应关系；确定故障源编码与训练网络输出值的对应关系，从而确定两组输出向量组。

3、2)形成故障信息样本对向量组(ai,oi)(i=1,2,3,…,p),将p个故障信息样本对向量组(ai,oi)(i=1,2,3,…,p)转换为双极性向量组对(xi,yi)(i=1,2,3,…,p)。

4、3)对每一个样本对依次进行学习和训练，形成记忆矩阵cj(j=1,2,…)。

5、4)将故障模式样本对(xi,yi)存储到另一个记忆矩阵ck中，检验ck的记忆能力。

6、5)重复执步骤2)-4)直至将所有的故障信息样本对经过学习和训练之后都分别存储在一系列的记忆矩阵中。

7、优选地，将电压采样值进行归一化处理，即。

8、。

9、式中，u2为输入线电压的有效值；ud*为采样电压值ud的归一化值。

10、优选地，如果给定p个故障样本信息二值矩阵对：(a1,o1),(a2,o2),…,(ap,op),首先将这p个故障信息样本二值矩阵对按下列公式转换为双极性矩阵对(xi,yi)(i=1,2,…,p)。亦即将二值矩阵对中的零元素用-1来代替，即。

11、xi=2ai-i。

12、yi=20i-i。

13、上式中i是单位矩阵。

14、优选地，对每次输入的故障信息样本对经过学习之后，随之验证训练网络是否已对(ai,oi)有正确的记忆能力。亦即判断xicj阈值化后是否等于oi,同时也判断yicjt阈值化后是否等于ai。如果都相等，则说明训练网络经过学习之后对(ai,oi)已具有记忆能力；如果不相等，则说明训练网络经过学习之后对(ai,oi)已经产生记忆饱和，则应从cj矩阵中取消xityj。

15、优选地，把故障信息样本双极矩阵对(x1,y1),(x2,y2),…,(xp,yp)存储在训练网络的局部能量最小或接近最小的位置，即把p个模式故障信息样本双极矩阵对叠加起来形成一个m×n维的记忆矩阵c,即。

16、c=x1ty1+x2ty2+...xptyp。

17、优选地，训练网络的输入层有m个神经元，输出层有n个神经元。训练网络就是从一个向量空间向另一个向量空间的变换，即从向量空间rm到向量空间rn空间的变换。

18、优选地，训练网络的所有的故障信息都可以存储在一个m×n维的权值矩阵c中，权值矩阵c即为记忆矩阵。

19、优选地，如果训练网络对每一个故障信息输入样本对都收敛，则记忆矩阵c就是稳定的。

20、该方法利用训练网络来识别电子电路中整流元器件（如晶闸管和二极管）断开和直通故障，并对故障类型进行分类。通过建立故障征兆信息与故障元器件的对应关系，训练网络能够实现电路输出电压、电流波形的故障在线诊断。该方法包括确定故障信息数据与训练网络输入样本的对应关系，通过对实时采集的电压波形进行样本采集和归一化处理，同时训练网络学习和记忆，训练网络能够准确地诊断出故障元器件和故障类型。

技术特征：

1.一种基于训练网络的电子电路故障在线训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，将电压采样值进行归一化处理，即：

3.根据权利要求1所述的方法，其特征在于，如果给定p个故障样本信息二值矩阵对：(a1,o1),(a2,o2),…,(ap,op),首先将这p个故障信息样本二值矩阵对按下列公式转换为双极性矩阵对(xi,yi)(i=1,2,…,p)；亦即将二值矩阵对中的零元素用-1来代替，即：

4.根据权利要求3所述的方法，其特征在于，对每次输入的故障信息样本对经过学习之后，随之验证训练网络是否已对(ai,oi)有正确的记忆能力；亦即判断xicj阈值化后是否等于oi,同时也判断yicjt阈值化后是否等于ai；如果都相等，则说明训练网络经过学习之后对(ai,oi)已具有记忆能力；如果不相等，则说明训练网络经过学习之后对(ai,oi)已经产生记忆饱和，则应从cj矩阵中取消xityj。

5.根据权利要求3所述的方法，其特征在于，把故障信息样本双极矩阵对(x1,y1),(x2,y2),…,(xp,yp)存储在训练网络的局部能量最小或接近最小的位置，即把p个模式故障信息样本双极矩阵对叠加起来形成一个m×n维的记忆矩阵c,即：

6.根据权利要求1所述的方法，其特征在于，训练网络的输入层有m个神经元，输出层有n个神经元；训练网络就是从一个向量空间向另一个向量空间的变换，即从向量空间rm到向量空间rn空间的变换。

7.根据权利要求1所述的方法，其特征在于，训练网络的所有的故障信息都可以存储在一个m×n维的权值矩阵c中，权值矩阵c即为记忆矩阵。

8.根据权利要求7所述的方法，其特征在于，如果训练网络对每一个故障信息输入样本对都收敛，则记忆矩阵c就是稳定的。

技术总结
本发明提供了一种基于训练网络的电子电路故障在线训练方法。该方法利用训练网络来识别电子电路中整流元器件（如晶闸管和二极管）断开和直通故障，并对故障类型进行分类。通过建立故障征兆信息与故障元器件的对应关系，训练网络能够实现电路输出电压、电流波形的故障在线诊断。该方法包括确定故障信息数据与训练网络输入样本的对应关系，通过对实时采集的电压波形进行样本采集和归一化处理，同时训练网络学习和记忆，训练网络能够准确地诊断出故障元器件和故障类型。

技术研发人员：胡清波
受保护的技术使用者：武汉京品电子科技有限公司
技术研发日：
技术公布日：2024/1/16