| 基于深度学习的模拟电路软故障诊断 |
| |
| 引用本文： | 常国祥,张京.基于深度学习的模拟电路软故障诊断[J].电气应用,2021,40(9):58-66. |
| |
| 作者姓名： | 常国祥 张京 |
| |
| 作者单位： | 黑龙江科技大学电气与控制工程学院,黑龙江哈尔滨150022 |
| |
| 摘 要： | 为降低模拟电路软故障特征提取与分类的人工成本,提高软故障诊断的通用性,提出一种基于深度学习的软故障特征提取方法.利用通道注意力机制对深度学习中的卷积神经网络进行改进,将时域电压波形数据输入至改进的卷积神经网络中进行卷积池化,实现数据降维和故障特征提取,并利用注意力机制对所得的故障特征进行深度选择,突出通道内关键的故障特征,抑制不重要的特征,最终使用Softmax分类器对故障特征分类.针对四运放双二次高通滤波器进行故障诊断,故障诊断平均准确率为98％.实验结果表明改进的卷积神经网络模型可以实现对模拟电路的故障诊断,并避免了传统故障识别耗费大量人工的故障提取和选择.
|
| 关 键 词： | 模拟电路 故障诊断 卷积神经网络 通道力机制 特征提取 |
Soft fault diagnosis of analog circuits based on deep learning |
| |
| CHANG Guoxiang,ZHANG Jing.Soft fault diagnosis of analog circuits based on deep learning[J].Electrotechnical Application,2021,40(9):58-66. |
| |
| Authors: | CHANG Guoxiang ZHANG Jing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
