基于时域信号特征和卷积神经网络的模拟电路故障诊断算法

摘要：

模拟电路是现代电子技术的基础,及时识别与定位电路故障是保证系统正常工作的重要环节.针对此类工程问题,提出一种基于时域信号特征和卷积神经网络(CNN)的模拟电路故障判断算法.首先采集对象电路的激励输入和输出响应信号,经过处理后成为1*N或2*N的时域信号序列输入CNN中,端到端实现从原始输入时域信号到故障识别期望输出的映射.实验仿真和实测结果表明,与经过信号预处理的频谱图+CNN和小波包变换+反向传播(BP)神经网络算法相比,该算法对结构性电路故障的识别正确率明显提高,在参数变化型电路故障的识别效果上总正确率相差不到1个百分点,但对于电路正常的判断正确率由93％提高到97％,避免出现某一具体故障正确率很低的情况,总体性能优于对比算法.该算法能够准确快速地识别和定位模拟电路中的结构性故障和参数变化型故障.

关键词：双端口网络单元、模拟电路故障诊断、时域信号特征、卷积神经网络、识别和定位

所属期刊栏目：42

分类号：TP301.6;TP183(计算技术、计算机技术)

资助基金：上海市教育委员会科研创新计划项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;同济大学双一流引导专项立项项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：320-326