[发明专利]电路故障诊断方法、装置、电子设备和存储介质

权利要求书

1.一种电路故障诊断方法，其特征在于，所述方法包括：

获取待诊断电路的信息，所述待诊断电路的信息包括以矢量的方式标识的待诊断电路的网络图；

通过训练获得的电路故障诊断模型对所述待诊断电路的信息进行处理，获得所述待诊断电路的信息的类别，所述类别包括所述待诊断电路是否发生故障；

所述电路故障诊断模型为LSTM-ELM模型，所述LSTM-ELM模型为去除长短期记忆神经网络的输出网络，并以极限学习机作为输出层，形成的模型结构，所述电路故障诊断模型包括：长短期记忆神经网络的输入层，长短期记忆神经网络的隐藏层，以及极限学习机，所述极限学习机为所述电路故障诊断模型的输出层；

训练获得所述电路故障诊断模型的方式包括：

在当前训练过程中，获取给定电路样本的信息，将所述给定电路样本的信息以及上一次训练过程中的隐藏状态输入待训练电路故障诊断模型，获得对所述给定电路样本的信息进行故障诊断处理获得的训练故障诊断结果；

计算各所述给定电路样本的所述训练故障诊断结果与所述给定电路样本对应的目标故障类别的误差，并基于各所述给定电路样本的误差，确定模型输出误差，在获得的模型输出误差在可接受误差范围内，且训练迭代次数达到了预设迭代次数时，确定满足训练结束条件；

若满足训练结束条件，将最终的所述待训练电路故障诊断模型作为训练获得的所述电路故障诊断模型；

若不满足所述训练结束条件，将当前训练过程中的隐藏状态作为上一次训练过程中的隐藏状态，调整所述待训练电路故障诊断模型的相关模型参数，并返回获取给定电路样本的信息，将所述给定电路样本的信息以及上一次训练过程中的隐藏状态输入待训练电路故障诊断模型的步骤，直至满足所述训练结束条件；

所述给定电路样本对应的目标故障类别的确定方式包括：

获取给定电路样本集，并设定聚类中心；

计算各给定电路样本到各聚类中心的隶属度；

根据各给定电路样本到各聚类中心的隶属度，重新计算各聚类类别的聚类中心；

若达到聚类迭代结束条件，则完成聚类迭代过程，基于各给定电路样本隶属的聚类中心所属类别，获得各给定电路样本的聚类类别，所述聚类类别包括故障类别；

若未达到聚类迭代结束条件，计算惩罚因子，并根据所述惩罚因子对所述给定电路样本的隶属度进行修正，并返回根据各给定电路样本到各聚类中心的隶属度，重新计算各聚类类别的聚类中心的步骤，直至达到聚类迭代结束条件；

其中，利用计算惩罚因子，其中，/为惩罚因子，/表示样本到聚类中心的隶属度，/表示样本到聚类中心的距离，函数||*||表示范数或模，/表示第/个电路样本到第/个聚类中心的距离，/表示第/个聚类中心，k表示聚类中心的数目，且/。

2.根据权利要求1所述的方法，其特征在于，在训练故障诊断结果与目标故障类别不一致时，对应的误差为1，或者，在训练故障诊断结果与目标故障类别不一致时，将输出训练故障诊断结果的对应的类别概率与1的差值作为误差。

3.根据权利要求1所述的方法，其特征在于，计算各给定电路样本到各聚类中心的隶属度的方式包括：

确定给定电路样本到各聚类中心的距离；

根据所述给定电路样本到各聚类中心的距离，计算确定所述给定电路样本到各聚类中心的隶属度。

4.根据权利要求1所述的方法，其特征在于，计算惩罚因子，并根据所述惩罚因子对所述给定电路样本的隶属度进行修正，包括：

根据各给定电路样本到各聚类中心的隶属度，确定各给定电路样本到各聚类中心所属类别的最大隶属度，以及各给定电路样本对各聚类中心所属类别的平均隶属度；

在给定电路样本到各聚类中心的隶属度，与所述平均隶属度之间的关系满足惩罚条件时，计算惩罚因子；

根据所述惩罚因子和所述最大隶属度对给定电路样本的隶属度进行修正。

5.根据权利要求4所述的方法，其特征在于，在给定电路样本到聚类中心的隶属度与所述平均隶属度的之间差值大于设定值时，确定满足惩罚条件。