[发明专利]一种射频低噪放电路故障诊断方法、系统、介质及应用

权利要求书

1.一种射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法包括以下步骤：

选取低噪声放大电路作为研究对象，在ADS中仿真了低噪声放大电路，电路原理图；

设计故障数据提取方案，对R1,R2,R3进行故障注入，改变环境温度加速电路退化，进行故障数据提取；在注入故障过程中改变其中一个元器件的数值保持其他两个元器件参数值不变或者微变；以GMM-HMM作为故障诊断方法，输入模型的状态数、初始概率分布、初始状态转移矩阵、迭代误差、迭代最大步数和观测矢量序列；

由K-means算法对训练样本数据按照模型状态数进行样本分割，获取高斯混合密度参数，得到CHMM的初始模型；

通过Baum-Welch算法进行模型训练，获得第i步迭代的重估模型；

由Viterbi算法计算第i步重估模型下的输出概率，计算重估模型输出概率的增长误差，不满足误差条件且迭代步数小于最大迭代步数，以第i步重估模型作为第i+1步初始条件继续模型训练；满足误差条件收敛或者超过最大迭代步数，把第i步重估的模型作为故障模型的训练结果；

对每个故障类型都建立起故障诊断模型，把所有的测试数据依次带入每个故障模型；对于每个故障的故障模型以Viterbi算法获取所有测试数据输出概率，取所有测试数据似然概率最大对应测试数据诊断为该故障模型对应的故障类型；

所述射频低噪放电路故障诊断方法对HMM模型中的第j个状态，产生观测矢量O的概率密度函数写为：

其中，M表示第j状态高斯元的个数、c_jl表示第j状态高斯元的个数、N表示标准正态分布、μ_jl表示第j个状态第l个高斯元的均值矢量、U第j状态第l个高斯元的协方差矩阵；概率密度函数的重估公式如下，γ_t(j,l)表示t时刻状态j的第l个高斯元的输出概率：

2.如权利要求1所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法包括：对电路故障参数的提取以及预处理；参数模型的建立及故障预测。

3.如权利要求2所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法的故障参数提取通过改变电子电路的环境温度加速其老化过程，完成电子电路故障特征参数提取工作。

4.如权利要求2所述的射频低噪放电路故障诊断方法，其特征在于，所述射频低噪放电路故障诊断方法故障模型训练以及识别，根据所提取的故障参数，进行元件级故障模型的训练；通过对电路中元器件注入故障提取故障参数，再分别训练与之相应的HMM故障模型；通过GMM算法对发射概率进行拟合，可以获取发射概率矩阵B，再结合Baum-Welch算法进行模型训练，完整的CHMM模型训练步骤如下：

1)首先输入模型的状态数、初始概率分布π、初始状态转移矩阵A、迭代误差ε、迭代最大步数L和观测矢量序列O；

2)由K-means算法以及高斯混合模型获取初始模型参数，获得CHMM的初始模型λ₀；

3)用Baum-Welch算法可以由λ_i-1得出第i个CHMM模型以及λ_i；

4)由Viterbi算法计算观测样本序列在重估模型下的输出概率计算第i步重估模型输出概率与第i-1步重估模型输出概率误差，不满足误差条件ε且i＝L，i+1返回到3)；满足误差条件收敛或者超过最大迭代步数L，把重估的模型作为最终的结果模型λ。

5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1所述射频低噪放电路故障诊断方法的步骤。

6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1所述射频低噪放电路故障诊断方法的步骤。