[发明专利]基于故障传播的模块化BP神经网络电路故障诊断方法

权利要求书

1.基于故障传播的模块化BP神经网络电路故障诊断方法，其特征在于，包括如下步骤：

A.电路仿真步骤：利用电路仿真软件对正常电路以及该电路的每个元器件可能存在的故障逐一进行蒙特卡罗MC分析，得到正常电路和所有故障模式的电路仿真结果；

B.特征参数提取步骤：基于步骤A中正常电路和所有故障模式对应的电路仿真结果，提取各可测节点的特征参数，取每种故障模式第一次MC分析对应的特征参数样本作为额定值样本集，其余样本为容差值样本集；

C.电路分析步骤：根据电路功能，进行电路模块划分，确定各子电路的测试节点；

D.模块化异常检测模型建立步骤：基于容差值样本集，建立各测试节点的异常检测模型，再根据各子电路包含的测试节点来建立各子电路的模块化异常检测模型；

E.故障传播分析步骤：基于额定值样本集，利用各子电路的模块化异常检测模型获取各故障模式的故障向量，分析各故障模式在子电路间的故障传播情况，并确定各子电路的故障来源；

F.模块化BP神经网络模型建立步骤：基于容差值样本集，结合各子电路的故障来源，构建各子电路BP神经网络的训练数据，并建立模块化BP神经网络模型；

G.实际电路故障诊断步骤：将各子电路的模块化异常检测模型用于实际电路的一级故障定位，各子电路的模块化BP神经网络模型用于二级定位；

其中，步骤A～F为线下准备部分，G为线上实时故障定位部分。

2.根据权利要求1所述的基于故障传播的模块化BP神经网络电路故障诊断方法，其特征在于，在所述步骤A中，设置能够涵盖电路特征信息的MC分析次数具体为：正常电路的MC分析次数是所有故障电路MC分析次数的500倍以上。

3.根据权利要求1所述的基于故障传播的模块化BP神经网络电路故障诊断方法，其特征在于，在所述步骤B中，基于电路仿真结果，根据可测节点信号的不同，进行特征参数提取：若可测节点信号为模拟信号，则特征参数为与正常波形的距离、与固低基准的距离、与固高基准的距离、均值、误差均值、误差方差、最大值和最小值；若可测节点信号为数字信号，则特征参数为与正常波形的距离、与固低基准的距离、与固高基准的距离、不定态比例、高阻态比例、上升沿个数、下降沿个数和错误比例。

4.根据权利要求1所述的基于故障传播的模块化BP神经网络电路故障诊断方法，其特征在于，步骤C中各子电路测试节点的确定过程为：

C-1.设ALLNodeSet是可测节点集合，共有P个可测节点；OutNodeSet是各子电路的输出节点集合；IncluNodeSet是暂存节点集合，IncluNodeSet初始化为空；OptiNodeSet是最优测试节点集合，OptiNodeSet初始化为空；

C-2.依次遍历ALLNodeSet中的可测节点，考查当前所选可测节点加入IncluNodeSet后，是否使故障覆盖率上升，是则入选，否则放回，继续考查下一个可测节点，直到重复P次，得到更新后的IncluNodeSet；故障覆盖率的公式为：

其中，Coverage表示故障覆盖率，|D|表示待检测的故障总数，|A|表示可以被检测到的故障数；

C-3.对IncluNodeSet中的节点按其选取顺序反向从第i个节点开始进行排除，其中i＝2,…,Q，Q表示集合IncluNodeSet中的节点个数；考察去掉当前所选节点的集合IncluNodeSet是否使故障覆盖率维持不变，是则去掉该节点，否则放回，继续考查下一个节点，直到考查完所有节点得到第i-1个最优测试节点集合OptiNodeSet_i-1；

C-4.最终选定的最优测试节点集要覆盖各子电路的输出节点，即OptiNodeSet_i-1要包含OutNodeSet。