[发明专利]一种基于深度波尔兹曼机的模拟电路故障诊断方法

权利要求书

1.一种基于深度波尔兹曼机的模拟电路故障诊断方法，即给待测电路施加激励，在电路的测试节点测量激励响应信号；将测量的响应信号作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号，然后进行标准化处理以提取故障特征信息，再将故障特征信息作为样本输入经过深度波尔兹曼机进行故障分类，具体包括以下步骤：

步骤一：给待测电路施加激励，在电路的测试节点测量激励响应信号，将测量的响应信号，作小波包及改进能量的小波包变换消噪处理后提取候选故障特征信号；

步骤二：对所提取的候选特征向量进行标准化处理，得到故障特征向量；

步骤三：训练深度波尔兹曼机，首先将无标签的故障特征向量作为训练样本输入深度波尔兹曼机可见层，采用greedy layerwise方法，自下而上逐层训练；然后利用带标签的训练样本，采用BP算法自上而下进行fine-tune；

步骤四：在诊断实施时，对被测电路施加激励信号，提取相应的故障特征，输入到已经训练好的深度波尔兹曼机，波尔兹曼机的输出即为故障类型；

步骤五：对于测试中不能识别的故障特征，确定其是否为新故障特征，加入训练样本集。

2.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法，其特征在于：步骤三所述的训练深度波尔兹曼机，利用greedy layerwise算法训练得到深层次故障特征；利用BP算法进行微调，形成分类器。

3.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法，其特征在于：步骤三所述的训练深度波尔兹曼机方法，具体步骤为：

1)用无标签的训练样本训练一层受限制波尔兹曼机；

2)利用训练好的受限制波尔兹曼机模型，采样得到隐含层数据；

3)将步骤2)得到的隐含层数据作为下一层受限制波尔兹曼机的可见层训练样本；

4)逐层训练完所有层；

5)采用BP算法，用带故障标签的训练样本对深度波尔兹曼机网络进行权值调整，形成分类机制。

4.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法，其特征在于：步骤三所述的用无标签训练样本训练单个受限制波尔兹曼机的具体步骤是：

1)初始化：选取训练样本数n_s，训练周期J，学习率η，偏置向量a，b，权值矩阵w以及K步对比散度算法(CD-K)的步数k；

2)求得训练样本的似然概率

3)利用K步对比散度算法，得到梯度(Δw，Δa，Δb)；

4)更新参数

5)执行步骤3)J次。

5.根据权利要求1所述的基于深度波尔兹曼机的模拟电路故障诊断方法，其特征在于：步骤三所述的用带标签训练样本对深度波尔兹曼机进行fine-tune的具体步骤是：

1)将样本输入深度波尔兹曼机，得到输出y_w；

2)计算总误差

3)采用梯度下降法计算w。