基于CBAM-CNN的模拟电路故障诊断
针对模拟电路的故障特征难以提取,导致模型计算量复杂、诊断准确率不够高的问题,提出一种基于注意力机制和卷积神经网络(CBAM-CNN)的模拟电路故障诊断方法.首先,利用卷积核提取输入层的图片特征,同时在每个卷积层后面连接一个矫正线性单元(ReLU),并添加批归一化层(BN)解决内部协变量偏移的问题,以提高非线性模型表达能力;然后,在批归一化层后添加注意力机制模块(CBAM),提取重要的特征后连接池化层,降低网络计算复杂度,提高网络的准确率与效率;最后,以Sallen-Key低通滤波器和二级四运放双二阶低通滤波器为研究对象进行故障诊断实验验证.结果表明,所提出方法能够有效提升诊断精度,实现所有故障的高难分类与定位.
模拟电路、卷积神经网络、注意力机制、特征提取、故障诊断
37
TP273(自动化技术及设备)
国家自然科学基金;甘肃省教育厅优秀研究生创新之星项目;甘肃省高等学校创新基金项目
2022-09-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
2609-2618