[发明专利]一种基于CWT与ResNet的DC-DC变换器故障诊断方法及装置

权利要求书

1.一种基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，包括：

通过连续小波变换将DC-DC变换器所在电路的预处理电路信号转换为CWT时频图；

将所述CWT时频图输入残差神经网络故障诊断模型，获得DC-DC变换器故障诊断结果，所述诊断结果包括故障类型以及对应的故障概率；

所述残差神经网络故障诊断模型为ResNet型神经网络结构；

所述残差神经网络故障诊断模型包括输出层，所述输出层包括依次包括平均池化层、全连接层和SoftMax分类器。

2.根据权利要求1所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，所述方法还包括：

利用T_{_}SNE对所述残差神经网络故障诊断模型的故障诊断效果进行可视化。

3.根据权利要求1所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，所述连续小波变换采用db3小波对所述预处理电路信号进行分解，提取预处理电路信号对应的CWT时频图。

4.根据权利要求1所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，所述残差神经网络故障诊断模型还包括第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层；

所述第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和输出层依次排列；

所述第一卷积层的卷积核大小为7×7，卷积核的数量为64，步长为2，最大池化层大小为3×3，最大池化层的步长为2，所述第一卷积层的输出尺寸为112×112；

所述第二卷积层的输出矩阵为输出尺寸为56×56；

所述第三卷积层的输出矩阵为输出尺寸为28×28；

所述第四卷积层的输出矩阵为输出尺寸为14×14；

所述第五卷积层的输出矩阵为输出尺寸为7×7；

所述输出层的输出尺寸为1×5。

5.根据权利要求1所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，所述方法还包括对所述残差神经网络故障诊断模型进行训练。

6.根据权利要求5所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，对所述残差神经网络故障诊断模型进行训练包括：

获取多个故障已知的DC-DC变换器的预处理电路信号；

将多个故障已知的DC-DC变换器的预处理电路信号分别进行连续小波变换获得多个CWT时频图组成原始信号测试集；

将所述原始信号测试集中的CWT时频图输入所述残差神经网络故障诊断模型；

根据所述残差神经网络故障诊断模型对所述原始信号测试集的分类准确度和损失曲线更新所述残差神经网络故障诊断模型的参数；

当所述分类准确度等于1和/或损失曲线等于0时，所述残差神经网络故障诊断模型训练完毕。

7.根据权利要求2所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，利用T_{_}SNE对所述残差神经网络故障诊断模型的故障诊断效果进行可视化包括：

将原始信号测试集中所有CWT时频图输入所述残差神经网络故障诊断模型获得故障分类集；

通过T_{_}SNE将所述原始信号测试集和所述故障分类集降维至二维进行可视化。

8.根据权利要求1所述的基于CWT与ResNet的DC-DC变换器故障诊断方法，其特征在于，将所述DC-DC变换器所在电路的输出电压信号经过预处理获得预处理电路信号；

所述预处理包括缺失值填充和归一化处理。

9.一种基于CWT与ResNet的DC-DC变换器故障诊断装置，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。