[发明专利]一种基于神经网络的模拟电路故障诊断方法

权利要求书

1.一种基于神经网络的模拟电路故障诊断方法，其特征在于，包括以下步骤：

步骤S1：获取模拟电路在不同故障类型下的采样电压，其中，获取模拟电路在不同故障类型下的采样电压的方法为：将模拟电路内所有元件作为采样点，获取采样点两端的电压，对两端的电压进行处理得到采样电压，执行步骤S2；

步骤S2：构建以采样电压为输入，以故障类型为输出的训练库，执行步骤S3；

步骤S3：根据所述输入层神经元数目、所述输出层神经元数目、所述隐含层神经元数目，构建神经网络模型；其中，所述输入层神经元数目根据模拟电路元件数量，所述输出层神经元数目根据故障类型确定，所述故障类型包括多个元件故障、单一元件故障、无元件故障，且用1、2、3表示分别发生了相应的其中的某一类故障类型，所述隐藏层神经元数目根据输入层神经元数目和输出层神经元数目确定，执行步骤S4；

步骤S4：通过所述训练库对所述神经网络模型进行优化训练，并根据预设误差阈值和迭代次数验证所述神经网络模型的训练结果，执行步骤S5；

步骤S5：将所述待预测电路的采样作为训练后的所述神经网络模型的输入量进行故障预测，以获取所述待预测模拟电路的故障类型，完成故障诊断。

2.根据权利要求1所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，对两端的电压进行处理的方法具体为：将两端的电压进行滤波、放大、降噪处理后，求取两端电压的平均值作为采样电压。

3.根据权利要求1所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，采用ADAM算法进行神经网络优化训练。

4.根据权利要求4所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，根据预设误差阈值和迭代次数验证所述神经网络模型的训练结果的方法具体包括下列步骤：

步骤S101：初始化所述神经网络模型的预测误差阈值、迭代次数阈值，执行步骤S102；

步骤S102：当迭代次数等于迭代次数阈值时，获取此时神经网络模型的预测误差，执行步骤S103；

步骤S103：判断预测误差是否等于预测误差阈值，若是，执行步骤S105，若否，执行步骤S104；

步骤S104：更新迭代次数阈值，将步骤S101中的迭代次数阈值加1作为更新后的迭代次数阈值，执行步骤S102；

步骤S105：训练完成，输出已训练完成的神经网络模型。

5.根据权利要求4所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，所述预测误差阈值为1％。

6.根据权利要求4所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，基于误差函数获取预测误差，所述误差函数为：

式中，ω为误差函数，p为迭代采样电压至神经网络模型时神经网络模型对应输出的故障类型，q为迭代至神经网络模型时训练库中对应的故障类型，α为初始化时的迭代次数阈值，β为更新迭代次数。

7.根据权利要求1所述的一种基于神经网络的模拟电路故障诊断方法，其特征在于，步骤S3中，计算所述隐藏层神经元数目的计算公式具体为：

N＝x+y

V＝3

M＝2(N-1)+V

式中，M为隐藏层神经元数目，N为输入层神经元数目，V为输出层神经元数目，N为模拟电路元件数目，x为模拟电路故障元件数目，y为模拟电路非故障元件数目。