[發(fā)明專利]電路故障診斷方法、裝置、計算機設備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110763336.3
• 申請日: 2021-07-06
• 公開（公告）號: CN113487019A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設計）人: 高坤;胡恩博;蘇靜;李新國
• 申請（專利權）人: 湖南第一師范學院;長沙變化率信息技術有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/06;G06K9/62;G06F17/16
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 黃曉慶

1.一種電路故障診斷方法，其特征在于，所述方法包括：

獲取對待診斷電路進行測試獲得的目標測試數(shù)據(jù)；

采用預先訓練獲得的電路故障診斷模型，對所述目標測試數(shù)據(jù)進行電路故障診斷，獲得所述待診斷電路的電路故障診斷結果；

其中，訓練獲得所述電路故障診斷模型的方式包括：

獲取故障電路樣本集，所述故障電路樣本集中包括各故障電路樣本信息，所述電路故障樣本信息包括對故障樣本電路進行測試獲得的樣本測試數(shù)據(jù)以及各所述故障樣本電路對應的樣本標簽；

基于所述故障電路樣本集，基于鴿群算法對待訓練電路故障診斷模型進行訓練，獲得所述電路故障診斷模型。

2.根據(jù)權利要求1所述的方法，其特征在于，獲取故障電路樣本集，包括：

對各樣本電路分別設置對應的電路故障，獲得各故障樣本電路以及各故障樣本電路對應的故障類型，所述樣本標簽包括所述故障樣本電路對應的故障類型；

分別對各所述故障樣本電路進行測試，獲得各所述故障樣本電路的樣本測試數(shù)據(jù)；

基于各所述故障樣本電路的對應的故障類型和樣本測試數(shù)據(jù)，獲得故障電路樣本集。

3.根據(jù)權利要求1所述的方法，其特征在于，獲取故障電路樣本集之后，基于所述故障電路樣本集，基于鴿群算法對待訓練電路故障診斷模型進行訓練之前，還包括步驟：

對各所述樣本測試數(shù)據(jù)進行歸一化處理；

對歸一化處理后的各所述樣本測試數(shù)據(jù)進行隨機共振處理；

對隨機共振處理后的各所述樣本測試數(shù)據(jù)中進行數(shù)據(jù)降維處理。

4.根據(jù)權利要求1所述的方法，其特征在于，所述故障電路樣本集包括一個以上的樣本子集，一個樣本子集對應一種故障類型，一個樣本子集中的各故障電路樣本信息對應的故障類型，為該樣本子集對應的故障類型。

5.根據(jù)權利要求1所述的方法，其特征在于，所述待訓練電路故障診斷模型包括輸入層、隱含層和輸出層，基于所述故障電路樣本集，基于鴿群算法對待訓練電路故障診斷模型進行訓練，獲得所述電路故障診斷模型，包括：

基于鴿群算法對待訓練電路故障診斷模型進行訓練，獲得所述電路故障診斷模型，包括：

初始化鴿群數(shù)量，設置最大迭代次數(shù)；

初始化所述隱含層的隱含層神經(jīng)元數(shù)目，并設置鴿子的搜索區(qū)間；

基于所述輸入層的輸入層神經(jīng)元數(shù)目以及所述隱含層神經(jīng)元數(shù)目，計算鴿群的空間向量維度；

根據(jù)鴿群的空間向量維度，產(chǎn)生各鴿子的空間向量，其中，每個鴿子對應所述待訓練電路故障診斷模型的一組模型參數(shù)；

將故障電路樣本集中的各樣本測試數(shù)據(jù)輸入所述待訓練電路故障診斷模型，獲得各樣本測試數(shù)據(jù)對應的樣本訓練結果，并基于所述樣本訓練結果以及對應的樣本標簽，計算各鴿子的適應值；

根據(jù)各鴿子的適應值，計算訓練誤差；

根據(jù)所述訓練誤差，更新各所述鴿子的空間向量中的全局最優(yōu)空間向量，并更新各鴿子的向量空間，更新迭代次數(shù)，并返回所述產(chǎn)生各鴿子的空間向量的步驟，直至達到最大迭代次數(shù)；

在達到最大迭代次數(shù)后，更新搜索范圍值，若搜索范圍值未達到最大搜索范圍值，初始化迭代次數(shù)，并返回初始化所述隱含層的隱含層神經(jīng)元數(shù)目，并設置鴿子的搜索區(qū)間的步驟，直至達到最大搜索范圍值；

在達到最大搜索范圍值時，基于全局最優(yōu)空間向量確定所述電路故障診斷模型。

6.根據(jù)權利要求5所述的方法，其特征在于，所述鴿群的向量空間維度，為所述輸入層神經(jīng)元數(shù)目與所述隱含層神經(jīng)元數(shù)目之積與所述隱含層神經(jīng)元數(shù)目的和值。

7.根據(jù)權利要求5所述的方法，其特征在于，所述最大搜索范圍值與所述隱含層神經(jīng)元數(shù)目相同。