[發明專利]一種動態電源電流監測的模擬電路故障診斷方法

無效

• 申請號: 201310381745.2
• 申請日: 2013-08-28
• 公開（公告）號: CN103439647A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 王承;何進;杜彩霞;朱小安;何清興;鐘勝菊;梅金河
• 申請（專利權）人: 深圳華越天芯電子有限公司
• 主分類號: G01R31/316
• 分類號: G01R31/316
• 代理公司: 深圳市惠邦知識產權代理事務所 44271
• 代理人: 滿群

1.一種動態電源電流監測的模擬電路故障診斷方法，其特征在于，包括以下步驟：

建立訓練集樣本：當待測對應電路運行于正常或各種故障狀態時，分別采集電源電流信號，并對其離散化；對采集的信號進行小波分析，進行N層小波分解，以各層高頻小波分解系數序列的絕對值之和為元素組成N維故障特征向量；

神經網絡訓練：根據電路故障特征向量維數N和待測對應電路故障模式的類別總數M-1，確定神經網絡的輸入層節點數目N、輸出層節點數目M和隱層神經元數目再對該結構的神經網絡利用所述訓練集樣本按目標條件進行網絡訓練，a在網絡訓練過程調整選取1～10中優選的值；N、M、a是自然數；

故障診斷：提取待測具體電路的故障特征向量并輸入經過訓練的神經網絡，得到診斷輸出結果。

2.根據權利要求1所述故障診斷方法，其特征在于，所述故障特征向量的提取步驟具體包括：

對采樣信號進行N層Mallat分解，得到第1層到第N層，共N個高頻小波分解系數序列{d¹,d²,Λ,d^N}；

對各層高頻分解系數序列進行絕對值求和：設D_j為第j層高頻小波分解系數序列d^j的絕對值之和，則有：

Dj=Σl=1n|dlj|]]>

式中：n為序列d^j中分量的個數。

特征向量構成：按尺度順序，以各層高頻小波分解系數序列的絕對值之和為元素構成特征向量，即{D₁,D₂,Λ,D_N}；

歸一化處理：將數據變換為[0，1]區間，或者[-1，1]區間。

3.根據權利要求1所述故障診斷方法，其特征在于，神經網絡的訓練步驟具體包括：

確定網絡結構參數：根據電路故障特征向量維數N和電路故障模式的類別總數M-1，確定神經網絡的輸入層節點數目N、輸出層節點數目M和隱層神經元數目a在網絡訓練過程調整選取1～10中優選的自然數值；

訓練神經網絡：以所述訓練集樣本中故障特征向量為訓練樣本輸入向量，并以每個故障特征向量各自對應的工作狀態確定對應訓練樣本輸出向量｛y1,y2,…,…,yM｝按目標條件進行重復訓練，｛y1,y2,…,…,yM｝中y1對應正常狀態位，其他元素對應各自故障模式位，它們的值都是真“1”或假“0”；所述對應的工作狀態是正常狀態、一種故障模式或多種故障模式共存中的任一種。

4.根據權利要求1或3所述故障診斷方法，其特征在于，神經網絡訓練采用加動量修正的BP算法。

5.根據權利要求1或3所述故障診斷方法，其特征在于，所述目標條件是設定的均方誤差值，神經網絡訓練調整的次數是復數次。

6.根據權利要求1或3所述故障診斷方法，其特征在于，a的調整選取是在網絡訓練過程中若不能滿足要求，則逐個增加或逐個減少數目。