[发明专利]一种基于深度置信网络特征提取的模拟电路故障诊断方法在审
| 申请号： | 201810111908.8 | 申请日： | 2018-02-05 |
| 公开（公告）号： | CN108414923A | 公开（公告）日： | 2018-08-17 |
| 发明（设计）人： | 何怡刚;张朝龙;张慧;尹柏强;江金光;何鎏璐;段嘉珺 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G01R31/316 | 分类号： | G01R31/316;G06K9/62;G06N3/08 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 唐万荣;杨晓燕 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度置信网络特征提取的模拟电路故障诊断方法，包括以下步骤：(1)采集被测模拟电路的时域响应信号，采集到的时域响应信号为被测模拟电路的输出电压信号；(2)对采集的电压信号进行基于深度置信网络的特征提取，其中深度置信网络中受限玻尔兹曼机的学习率应用量子粒子群算法优化获取；(3)构建基于支持向量机的故障诊断模型，其中支持向量机的惩罚因子和宽度因子应用量子粒子群算法优化获取；(4)将测试数据经深度置信网络特征提取后，生成测试数据的特征数据，输入基于支持向量机的故障诊断模型，输出故障诊断结果。本发明可增强模拟电路故障诊断中特征提取的效果，提高故障诊断正确率，有效地检测出模拟电路的各类故障。 | ||
| 搜索关键词： | 模拟电路 置信 故障诊断 支持向量机 网络特征 故障诊断模型 粒子群算法 时域响应 特征提取 应用量子 采集 受限玻尔兹曼机 生成测试数据 输出电压信号 测试数据 惩罚因子 电压信号 宽度因子 输出故障 特征数据 诊断结果 有效地 正确率 构建 优化 网络 检测 学习 | ||
【主权项】：
1.一种基于深度置信网络特征提取的模拟电路故障诊断方法，其特征在于，包括以下步骤：(1)采集被测模拟电路的时域响应信号，采集到的时域响应信号为被测模拟电路的输出电压信号，即训练数据；(2)对采集的电压信号进行基于深度置信网络的特征提取，提取后的数据即为训练数据的特征数据，其中深度置信网络中受限玻尔兹曼机的学习率应用量子粒子群算法优化获取；(3)构建基于支持向量机的故障诊断模型，其中支持向量机的惩罚因子和宽度因子应用量子粒子群算法优化获取；(4)将测试数据经深度置信网络特征提取后，生成测试数据的特征数据，输入基于支持向量机的故障诊断模型，输出故障诊断结果，即检测出模拟电路的故障。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810111908.8/，转载请声明来源钻瓜专利网。
