[發明專利]一種微波組件故障診斷方法、裝置及設備

在審

• 申請號: 201811517864.5
• 申請日: 2018-12-12
• 公開（公告）號: CN111310907A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 王愛民;高昆;葛艷
• 申請（專利權）人: 北京理工大學
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/08
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;安利霞

1.一種微波組件故障診斷方法，其特征在于，包括：

獲取微波組件的故障特征量，所述故障特征量包括故障現象特征量和故障原因特征量；

根據所述故障特征量建立反向傳播BP神經網絡模型；

對所述BP神經網絡模型進行訓練；

利用訓練后的所述BP神經網絡模型對待診斷故障信息進行診斷。

2.根據權利要求1所述的微波組件故障診斷方法，其特征在于，所述獲取微波組件的故障特征量的步驟包括：

由微波組件故障檢測的原始信號中提取故障特征量；

將所述故障特征量轉換為向量形式。

3.根據權利要求2所述的微波組件故障診斷方法，其特征在于，將所述故障特征量轉換為向量形式的步驟包括：

根據公式：F(X_i)＝S_T(X_i)/S_R(X_i)，計算所述故障特征量的待診斷狀態的當前值與正常狀態的預設值的比值；

其中，X_i為所述故障特征量，S_T(X_i)為X_i的待診斷狀態的當前值，S_R為X_i的正常狀態的預設值；

根據所述比值確定所述故障特征量的向量值。

4.根據權利要求1所述的微波組件故障診斷方法，其特征在于，根據所述故障特征量建立反向傳播BP神經網絡模型的步驟包括：

根據所述故障特征量確定BP神經網絡模型的輸入層節點數和輸出層節點數；

根據所述輸入層節點數和輸出層節點數確定BP神經網絡模型的隱含層節點數。

5.根據權利要求4所述的微波組件故障診斷方法，其特征在于，所述輸入層節點數為所述故障現象特征量的維數，所述輸出層節點數為所述故障原因特征量的維數。

6.根據權利要求4所述的微波組件故障診斷方法，其特征在于，根據所述輸入層節點數和輸出層節點數確定BP神經網絡模型的隱含層節點數的步驟包括：

通過公式計算所述隱含層節點數的取值范圍：

其中，K為隱含層節點數，n為輸入層節點數，l為輸出層節點數，α為1～10的常數。

7.根據權利要求1所述的微波組件故障診斷方法，其特征在于，根據所述故障特征量建立反向傳播BP神經網絡模型的步驟還包括：

確定激勵函數。

8.根據權利要求1所述的微波組件故障診斷方法，其特征在于，對所述BP神經網絡模型進行訓練的步驟包括：

設定所述BP神經網絡模型的初始權重和初始閾值；

利用所述初始權重、初始閾值以及所述故障特征量進行正向傳播運算，分別得到隱含層的輸出結果和輸出層的輸出結果；

根據所述輸出結果計算誤差；

根據所述誤差進行逆向反饋運算，得到更新后的權重和閾值。

9.根據權利要求8所述的微波組件故障診斷方法，其特征在于，利用所述初始權重、初始閾值以及所述故障特征量進行正向傳播運算，分別得到隱含層的輸出結果和輸出層的輸出結果的步驟包括：

通過公式：計算得到隱含層的輸出結果；

其中，b_j表示隱含層第j個神經元的輸出，w_ij為輸入層至隱含層的權重，a_i為輸入層的輸入，θ_j為輸入層到隱含層的閾值，N為當前神經元前一層的神經元數量；

通過公式：根據所述隱含層的輸出結果計算輸出層的輸出結果；

其中，c_t表示輸出層第t個神經元的輸出，v_jt表示隱含層至輸出層的權重，r_t為隱含層到輸出層的閾值。