文献类型：期刊文章

作　　者：汪晓璐[1] 李畅[1,2] 张朝龙[3]

WANG Xiaolu;LI Chang;ZHANG Chaolong(School of Information Technology,Jiangsu Vocational Institute of Commerce 1,Nanjing 211168,China;Institute of education,Nanjing University,Nanjing 210093,China;School of Physics and Electronic Engineering,Anqing Normal University 3,Anqing Anhui246011,China)

机构地区：[1]江苏经贸职业技术学院信息技术学院,南京211168 [2]南京大学教育研究院,南京210093 [3]安庆师范大学物理与电气工程学院,安徽安庆246011

出　　处：《电子器件》

基　　金：国家自然科学基金项目(51607004)

年　　份：2019

卷　　号：42

期　　号：3

起止页码：674-678

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、INSPEC、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对模拟电路的故障诊断问题,提出了一种基于深度学习的故障诊断方法。首先测量模拟电路各个故障类别的脉冲响应数据,随后应用深度学习中深度信念网络方法进行特征提取,最后将提取的特征用于建立基于极端学习机的故障诊断模型,从而对模拟电路的各个故障类别进行区分。通过四运放双二阶高通滤波器电路的故障诊断实验对提出的故障诊断方法进行了验证。通过对比实验表明,提出的基于深度信念网络的故障特征提取方法明显优于传统的基于小波分析的故障特征提取方法,有助于提高模拟电路故障诊断正确率。

关 键 词：模拟电路 故障诊断 深度学习  深度信念网络  特征提取

分 类 号：TH707[仪器类]