[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

说明书

本发明提供了基于故障传播的模块化BP神经网络电路故障诊断方法，属于电子系统的故障诊断及定位技术领域。本发明在电路模块划分的基础上，确定各子电路的测试节点，并把测试节点的特征参数数据作为故障诊断的数据源；根据基于电路仿真的数据源建立模块化异常检测模型，分析故障传播，建立模块化BP神经网络模型；当实际电路发生故障时，利用模块化异常检测模型进行一级定位，确定故障子电路，再利用目标子电路的BP神经网络模型进行二级定位，识别故障模式。本发明通过线下建立的模型进行故障定位，扩展性强，适用范围广；实现了线上对大规模数模混合电路的实时故障诊断，特别是针对存在故障传播的情况，具有极高的故障定位准确率。

技术领域

本发明属于电子系统的故障诊断及定位技术领域，具体涉及基于故障传播的模块化BP神经网络电路故障诊断方法。

背景技术

近年来，随着数模混合电路规模和复杂性的增加，特别是在航空、航天、军事国防等应用领域，电路可靠性受到越来越多的关注。故障诊断作为维护电路可靠性的重要手段，变为研究热点。不少文献中提到的电路故障诊断方法包括：故障字典、最近邻、基于规则和SVM的故障分类模型等，仅在模拟电路中付诸实践，且由于复杂电路的非线性映射关系错综复杂，导致诊断效果不佳。BP神经网络在数学理论上已证明具有实现任何复杂非线性映射的功能，这使得本发明提供的方法在诊断实际建模困难的复杂系统的过程中，特别是大规模混合电路，发挥独特优势。

在许多现有文献中，BP神经网络的应用是直接对整个电路建立BP网络，在对大规模电路进行分析时，所建立的网络过大，易导致训练数据庞大、训练时间过长、计算量大以及对故障传播考虑欠缺等问题，从而造成故障定位准确率低。文献《大规模电路故障诊断神经网络方法》中，在电路模块划分的基础上，直接利用所有可测节点的电压建立各子电路的的BP神经网络，再利用各BP神经网络依次进行故障定位。其中，建立各子电路的BP神经网络时利用了所有的可测节点，节点冗余度较高，直接使用节点电压表现节点信息不能完善地表现电路故障信息，在故障定位的过程中对存在故障传播的电路准确率较低。文献《结合异常检测算法的轴承故障检测》中，提出了一种基于结合异常检测算法的双步故障诊断方法，异常检测模型作为故障检测器，只能用以检测电路是否发生故障，而不能缩小电路的故障源范围；SVM作为故障分类器，在确定电路发生故障的基础上进行故障定位，该方法实际上相当于对电路实时监测的单步故障诊断方法，不适用于大规模电路的故障诊断，且没有考虑到故障传播的复杂情况。

发明内容

本发明所要解决的问题是：提供一种基于故障传播的模块化BP神经网络电路故障诊断方法，对大规模电路进行模块划分，分析并“分割”子电路间的故障传播关系，进而利用基于电路仿真建立的模块化异常检测模型和BP神经网络模型进行故障定位，使定位的准确程度得到明显提升。

本发明所提出的技术问题是这样解决的：

基于故障传播的模块化BP神经网络电路故障诊断方法，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，并以此为基础，结合各子电路包含的测试节点，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；