[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

本發明公開了一種微波組件故障診斷方法、裝置及設備，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。本發明的實施例，由歷史故障案例信息中提取故障特征量，使得整個模型具備很好的魯棒性和容錯性，提高了模型的適應性和穩定性；利用BP神經網絡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系，從而實現對新產生故障快速定位至其導致原因，實現面向自動測試單元的微波組件故障的智能診斷。

技術領域

本發明涉及故障診斷領域，尤其涉及一種微波組件故障診斷方法、裝置及設備。

背景技術

故障診斷技術是一種通過監測設備的狀態參數來發現設備的異常情況，并在發現異常情況后對故障原因進行分析、診斷的技術，其宗旨是借助當前一切創新技術發現產品的潛在故障，以達到對產品質量事故防患于未然的目的。目前，故障診斷技術已發展成為一門獨立的跨學科的綜合信息處理技術，是控制領域的一個熱點研究方向。

近年來，BP(Back Propagation，反向傳播)神經網絡是目前應用非常廣泛的一種推理模型。其理論發展已經十分成熟，取得了許多突破性進展，引起國內外學術界高度重視和極大關注。BP神經網絡作為一種新興的建模技術已經被各行各業的技術人員所使用。在故障診斷方面，該網絡模型的應用也十分廣泛。在傳統的測試線中，被測微波組件所出現的故障問題以及造成故障現象的原因大多是通過檢測人員根據測試結果人為判斷出來的，這樣的后果是診斷效率低下、被測件流轉滯后。

發明內容

為了解決上述技術問題，本發明提供了一種微波組件故障診斷方法、裝置及設備，解決了現有技術中微波組件的故障診斷效率低下、被測件流轉滯后的問題。

依據本發明的一個方面，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。

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中提取故障特征量；

將所述故障特征量轉換為向量形式。

可選地，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。

可選地，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。

可選地，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。