模拟电路故障的深度学习融合模型诊断方法

• 作者: 单甘霖 段修生 王应晨
• 来源期刊: 现代防御技术
• 学科: 工学
• 关键词: 模拟电路 故障诊断 自适应学习率 深度信念网络 降噪自编码器 鲁棒性
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 综合保障性技术
• 页码范围: 122-128
• 页数: 7页
• 分类号: TJ06|TP181|TM13
• 字数: 4193字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-086x.2018.05.19

摘要

针对传统智能故障诊断方法因装备电路复杂和工作环境噪声等因素引起的诊断困难问题,提出了基于降噪自编码器和高斯深度信念网络的融合模型,来实现模拟电路的故障诊断.首先,降噪自编码器用于处理原始信号的噪声并学习低层特征;然后,深度信念网络基于所学习的低层特征来提取深层特征;最后将融合的深度特征融入softmax分类器中,对智能诊断模型进行训练.融合模型在模拟电路上进行了故障诊断实验,结果表明,所提方法具有优越的诊断性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王应晨		3	0	0.0	0.0
2	段修生		15	8	2.0	2.0
6	单甘霖		18	6	1.0	2.0