[发明专利]一种基于多尺度卷积神经网络的模拟电路故障诊断方法

摘要

本发明提出一种基于多尺度卷积神经网络的模拟电路故障诊断方法，包括以下步骤：（1）通过PSPICE仿真软件获取电路的一维时域响应信号，将采集到的时域响应信号作为MS‑CNN模型中1D‑CNN部分的输入；（2）将获取的模拟电路的一维时域响应信号通过短时傅里叶变换转化为二维电路频谱图，作为MS‑CNN模型中2D‑CNN部分的输入；（3）利用TensorFlow框架搭建包含1D‑CNN和2D‑CNN的多尺度卷积神经网络（MS‑CNN）诊断模型；（4）将一维时域信号样本及二维的电路频谱图像样本输送进MS‑CNN网络进行训练，设置训练参数，进行向前传播训练和参数优化，将模型训练到最优程度；（5）将测试数据集输送入训练好的MS‑CNN模型，进行故障诊断，验证模型的诊断性能，选择诊断准确率作为模型的评价指标。本发明可以增强模拟电路故障诊断中特征提取的信息完整度，进一步提高故障诊断准确率，有效地检测出模拟电路的各类故障。