[发明专利]一种基于半监督协同训练的模拟电路早期故障诊断方法

摘要

本发明公开了半监督协同训练的模拟电路早期故障诊断方法，无需使用大量有标签数据，即可对模拟电路故障进行分类和识别从而实现早期故障的诊断。包括以下步骤：首先已知的模拟电路正常信号和故障信号进行傅里叶变换，进行频谱划分，然后对频谱进行经验小波变换，得到AM‑FM成分，并进行Hilbert变换，得到多个EWF分量，将多个EWF分量的能量进行叠加，从而定量分析信号特征，最后通过半监督协同训练算法，充分利用少量有标签数据进行学习和大量无标签数据，在一定程度上保证标记动作的准确性，节省了大量标记成本，从而实现基于半监督协同训练的模拟电路早期故障诊断。

主权项

1.一种基于半监督协同训练的模拟电路早期故障诊断方法，其特征在于，包括如下步骤：/n1)首先采集模拟电路已知的故障信号和正常信号，对信号进行傅里叶变换得到频谱图，通过特定的算法对频谱进行划分，得到一组频谱的分界线。/n2)根据步骤1)得到的分界线，利用Meyer小波构造方法构造经验尺度函数和经验小波函数，得到正交小波滤波器，对频谱进行经验小波变换，得到一组单分量或近似单分量的AM-FM成分。/n3)对步骤2)中的AM-FM成分进行Hilbert变换得到Hilbert谱，之后通过Hilbert谱进行时频分析。/n4)对步骤3)中的每一段信号的能量进行计算叠加，利用能量熵对经验模态分量进行定量分析，从而进行故障识别和诊断。/n5)将步骤4)中的诊断结果来分别训练隐马尔可夫型(Hidden Markov，HMM)和支持向量机(support vector machine，SVM)分类器。/n6)使用半监督协同训练算法，首先通过步骤5)训练样分类器，然后用训练后的分类器不断的标记无标签数据，并选择置信度高的样本加入到训练集，重新训练分类器，直到满足一个预定义的停止标准，从而实现模拟电路早期故障的诊断。/n