基于DBN特征提取的模拟电路早期故障诊断方法
Analog circuit incipient fault diagnosis method based on DBN feature extraction作者机构:武汉大学电气与自动化学院武汉430072 安庆师范大学物理与电气工程学院安庆246011
出 版 物:《仪器仪表学报》 (Chinese Journal of Scientific Instrument)
年 卷 期:2019年第40卷第10期
页 面:112-119页
核心收录:
学科分类:08[工学] 0804[工学-仪器科学与技术] 0703[理学-化学]
基 金:国家自然科学基金(51607004,51977153,51577046) 国家自然科学基金重点项目(51637004) 国家重点研发计划“重大科学仪器设备开发”(2016YFF0102200) 装备预先研究重点项目(41402040301)资助
主 题:模拟电路 早期故障诊断 深度置信网络 特征提取 混沌粒子群优化
摘 要:针对当前模拟电路早期故障诊断中特征提取方法的不足,提出了应用深度置信网络(deep belief network,DBN)进行特征提取的方法。利用混沌粒子群优化算法,对DBN中受限玻尔兹曼机的学习率开展优化,进一步提升特征提取的性能。相比于其他常用的特征提取方法,提出的DBN特征提取方法可提取出早期故障深度和本质的特征,且具有相同的故障聚集程度高、不同故障的分离能力极为明显的特点。应用二级四运放双二阶低通滤波器仿真电路和Sallen-Key带通滤波器电路板进行早期故障诊断实验,得到的故障诊断正确率分别为98.13%和100%。