[發明專利]基于故障傳播的模塊化BP神經網絡電路故障診斷方法

有效

• 申請號: 201710572987.8
• 申請日: 2017-07-14
• 公開（公告）號: CN107490758B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 李琦;何春;吳讓好;劉邦欣;宋磊
• 申請（專利權）人: 電子科技大學
• 主分類號: G01R31/3167
• 分類號: G01R31/3167;G06F17/50;G06N3/04
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

1.基于故障傳播的模塊化BP神經網絡電路故障診斷方法，其特征在于，包括如下步驟：

A.電路仿真步驟：利用電路仿真軟件對正常電路以及該電路的每個元器件可能存在的故障逐一進行蒙特卡羅MC分析，得到正常電路和所有故障模式的電路仿真結果；

B.特征參數提取步驟：基于步驟A中正常電路和所有故障模式對應的電路仿真結果，提取各可測節點的特征參數，取每種故障模式第一次MC分析對應的特征參數樣本作為額定值樣本集，其余樣本為容差值樣本集；

C.電路分析步驟：根據電路功能，進行電路模塊劃分，確定各子電路的測試節點；

D.模塊化異常檢測模型建立步驟：基于容差值樣本集，建立各測試節點的異常檢測模型，再根據各子電路包含的測試節點來建立各子電路的模塊化異常檢測模型；

E.故障傳播分析步驟：基于額定值樣本集，利用各子電路的模塊化異常檢測模型獲取各故障模式的故障向量，分析各故障模式在子電路間的故障傳播情況，并確定各子電路的故障來源；

F.模塊化BP神經網絡模型建立步驟：基于容差值樣本集，結合各子電路的故障來源，構建各子電路BP神經網絡的訓練數據，并建立模塊化BP神經網絡模型；

G.實際電路故障診斷步驟：將各子電路的模塊化異常檢測模型用于實際電路的一級故障定位，各子電路的模塊化BP神經網絡模型用于二級定位；

其中，步驟A～F為線下準備部分，G為線上實時故障定位部分。

2.根據權利要求1所述的基于故障傳播的模塊化BP神經網絡電路故障診斷方法，其特征在于，在所述步驟A中，設置能夠涵蓋電路特征信息的MC分析次數具體為：正常電路的MC分析次數是所有故障電路MC分析次數的500倍以上。

3.根據權利要求1所述的基于故障傳播的模塊化BP神經網絡電路故障診斷方法，其特征在于，在所述步驟B中，基于電路仿真結果，根據可測節點信號的不同，進行特征參數提取：若可測節點信號為模擬信號，則特征參數為與正常波形的距離、與固低基準的距離、與固高基準的距離、均值、誤差均值、誤差方差、最大值和最小值；若可測節點信號為數字信號，則特征參數為與正常波形的距離、與固低基準的距離、與固高基準的距離、不定態比例、高阻態比例、上升沿個數、下降沿個數和錯誤比例。

4.根據權利要求1所述的基于故障傳播的模塊化BP神經網絡電路故障診斷方法，其特征在于，步驟C中各子電路測試節點的確定過程為：

C-1.設ALLNodeSet是可測節點集合，共有P個可測節點；OutNodeSet是各子電路的輸出節點集合；IncluNodeSet是暫存節點集合，IncluNodeSet初始化為空；OptiNodeSet是最優測試節點集合，OptiNodeSet初始化為空；

C-2.依次遍歷ALLNodeSet中的可測節點，考查當前所選可測節點加入IncluNodeSet后，是否使故障覆蓋率上升，是則入選，否則放回，繼續考查下一個可測節點，直到重復P次，得到更新后的IncluNodeSet；故障覆蓋率的公式為：

其中，Coverage表示故障覆蓋率，|D|表示待檢測的故障總數，|A|表示可以被檢測到的故障數；

C-3.對IncluNodeSet中的節點按其選取順序反向從第i個節點開始進行排除，其中i＝2,…,Q，Q表示集合IncluNodeSet中的節點個數；考察去掉當前所選節點的集合IncluNodeSet是否使故障覆蓋率維持不變，是則去掉該節點，否則放回，繼續考查下一個節點，直到考查完所有節點得到第i-1個最優測試節點集合OptiNodeSet_i-1；

C-4.最終選定的最優測試節點集要覆蓋各子電路的輸出節點，即OptiNodeSet_i-1要包含OutNodeSet。