[發(fā)明專利]一種微波組件故障診斷方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 201811517864.5
• 申請日: 2018-12-12
• 公開（公告）號(hào): CN111310907A
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 王愛民;高昆;葛艷
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06N3/063
• 分類號(hào): G06N3/063;G06N3/08
• 代理公司: 北京銀龍知識(shí)產(chǎn)權(quán)代理有限公司 11243
• 代理人: 許靜;安利霞

本發(fā)明公開了一種微波組件故障診斷方法、裝置及設(shè)備，所述微波組件故障診斷方法包括：獲取微波組件的故障特征量，所述故障特征量包括故障現(xiàn)象特征量和故障原因特征量；根據(jù)所述故障特征量建立反向傳播BP神經(jīng)網(wǎng)絡(luò)模型；對(duì)所述BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；利用訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)模型對(duì)待診斷故障信息進(jìn)行診斷。本發(fā)明的實(shí)施例，由歷史故障案例信息中提取故障特征量，使得整個(gè)模型具備很好的魯棒性和容錯(cuò)性，提高了模型的適應(yīng)性和穩(wěn)定性；利用BP神經(jīng)網(wǎng)絡(luò)可高度擬合非線性的能力，解決了微波組件故障診斷問題中故障信息與故障原因的耦合關(guān)系，從而實(shí)現(xiàn)對(duì)新產(chǎn)生故障快速定位至其導(dǎo)致原因，實(shí)現(xiàn)面向自動(dòng)測試單元的微波組件故障的智能診斷。

技術(shù)領(lǐng)域

本發(fā)明涉及故障診斷領(lǐng)域，尤其涉及一種微波組件故障診斷方法、裝置及設(shè)備。

背景技術(shù)

故障診斷技術(shù)是一種通過監(jiān)測設(shè)備的狀態(tài)參數(shù)來發(fā)現(xiàn)設(shè)備的異常情況，并在發(fā)現(xiàn)異常情況后對(duì)故障原因進(jìn)行分析、診斷的技術(shù)，其宗旨是借助當(dāng)前一切創(chuàng)新技術(shù)發(fā)現(xiàn)產(chǎn)品的潛在故障，以達(dá)到對(duì)產(chǎn)品質(zhì)量事故防患于未然的目的。目前，故障診斷技術(shù)已發(fā)展成為一門獨(dú)立的跨學(xué)科的綜合信息處理技術(shù)，是控制領(lǐng)域的一個(gè)熱點(diǎn)研究方向。

近年來，BP(Back Propagation，反向傳播)神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用非常廣泛的一種推理模型。其理論發(fā)展已經(jīng)十分成熟，取得了許多突破性進(jìn)展，引起國內(nèi)外學(xué)術(shù)界高度重視和極大關(guān)注。BP神經(jīng)網(wǎng)絡(luò)作為一種新興的建模技術(shù)已經(jīng)被各行各業(yè)的技術(shù)人員所使用。在故障診斷方面，該網(wǎng)絡(luò)模型的應(yīng)用也十分廣泛。在傳統(tǒng)的測試線中，被測微波組件所出現(xiàn)的故障問題以及造成故障現(xiàn)象的原因大多是通過檢測人員根據(jù)測試結(jié)果人為判斷出來的，這樣的后果是診斷效率低下、被測件流轉(zhuǎn)滯后。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供了一種微波組件故障診斷方法、裝置及設(shè)備，解決了現(xiàn)有技術(shù)中微波組件的故障診斷效率低下、被測件流轉(zhuǎn)滯后的問題。

依據(jù)本發(fā)明的一個(gè)方面，提供了一種微波組件故障診斷方法，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(xiàn)象特征量和故障原因特征量；

根據(jù)所述故障特征量建立反向傳播BP神經(jīng)網(wǎng)絡(luò)模型；

對(duì)所述BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

利用訓(xùn)練后的所述BP神經(jīng)網(wǎng)絡(luò)模型對(duì)待診斷故障信息進(jìn)行診斷。

可選地，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(hào)中提取故障特征量；

將所述故障特征量轉(zhuǎn)換為向量形式。

可選地，將所述故障特征量轉(zhuǎn)換為向量形式的步驟包括：

根據(jù)公式：F(X_i)＝S_T(X_i)/S_R(X_i)，計(jì)算所述故障特征量的待診斷狀態(tài)的當(dāng)前值與正常狀態(tài)的預(yù)設(shè)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(tài)的當(dāng)前值，S_R為X_i的正常狀態(tài)的預(yù)設(shè)值；

根據(jù)所述比值確定所述故障特征量的向量值。

可選地，根據(jù)所述故障特征量建立反向傳播BP神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

根據(jù)所述故障特征量確定BP神經(jīng)網(wǎng)絡(luò)模型的輸入層節(jié)點(diǎn)數(shù)和輸出層節(jié)點(diǎn)數(shù)；

根據(jù)所述輸入層節(jié)點(diǎn)數(shù)和輸出層節(jié)點(diǎn)數(shù)確定BP神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)數(shù)。

可選地，所述輸入層節(jié)點(diǎn)數(shù)為所述故障現(xiàn)象特征量的維數(shù)，所述輸出層節(jié)點(diǎn)數(shù)為所述故障原因特征量的維數(shù)。