基于深度特征學(xué)習(xí)的電子電路故障診斷.pdf

1、電子電路故障診斷一直是電路領(lǐng)域里的研究熱點。隨著電子電路規(guī)模和集成度進(jìn)一步提高，以及電子電路模擬部分的元件的非線性、容差效應(yīng)問題的影響，電子電路故障特征呈現(xiàn)復(fù)雜的非線性情況，對于電子電路故障的特征提取和診斷技術(shù)提出更高的要求。對此，本文提出一種基于深度特征學(xué)習(xí)的電子電路故障診斷方法。由于電路故障特征的提取實質(zhì)在于找到故障響應(yīng)信號的非線性表達(dá)，而深度學(xué)習(xí)技術(shù)恰是一種對數(shù)據(jù)逐層地非線性映射表達(dá)實現(xiàn)特征提取的技術(shù)。因此本文結(jié)合電路故障特征提取

2、與深度學(xué)習(xí)技術(shù)的特點，展開了對電路故障的深度特征提取的研究。本文的研究主要集中在以下2點:
　　(1)提出一種基于SAE-SOFTMAX的電路故障特征提取方法。該方法通過構(gòu)建堆疊自動編碼器(SAE)和SOFTMAX分類器的深度學(xué)習(xí)框架，結(jié)合無監(jiān)督的預(yù)訓(xùn)練和有監(jiān)督的全局微調(diào)，優(yōu)化堆疊自動編碼器的特征提取性能，實現(xiàn)了電路故障特征的深度提取。
　　(2)給出兩種基于SAE特征提取的電子電路故障診斷模型。包括基于SAE-SOFTMA

3、X的診斷模型和基于SAE-SVM的診斷模型。前者融合SAE與SOFTMAX分類層實現(xiàn)電路故障特征的快速提取和診斷，后者以SAE提取特征、與魯棒特性強(qiáng)的SVM結(jié)合構(gòu)成電路故障診斷模型。
　　最后兩例電路仿真實驗表明:基于SAE-SOFTMAX的電路故障特征提取技術(shù)具有很好的效果，較傳統(tǒng)的小波和主元分析法所提取具有明顯的技術(shù)優(yōu)勢、特征評估指標(biāo)高;本文提出兩種電路故障診斷模型均未錯分。對于基于SAE-SOFTMAX的診斷模型，在診斷效果