基于时间卷积网络的模拟电路故障诊断方法

• 作者: 潘强 潘红兵 阳景
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 模拟电路 故障诊断 深度学习 卷积神经网络 特征提取
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 在线测试与故障诊断
• 页码范围: 128-132
• 页数: 5页
• 分类号: TN710
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802137

摘要

对模拟电路故障诊断中的故障特征提取进行了研究, 引入了卷积神经网络模型, 提出了一种基于时间卷积神经网络的模拟电路故障诊断方法, 在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验, 实验结果证实了深度时间卷积网络在故障特征提取中的有效性.同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力, 结果表明, 时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征, 取得更好的诊断准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳景		1	0	0.0	0.0
2	潘强		1	0	0.0	0.0
3	潘红兵		1	0	0.0	0.0