本發(fā)明涉及模擬電路故障診斷，特別是涉及一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法。

背景技術(shù)：

1、在電子行業(yè)迅猛發(fā)展的背景下，電子設(shè)備的集成度和復(fù)雜性都取得了顯著的增長(zhǎng)。這些設(shè)備在航空航天、交通、醫(yī)療和通信等關(guān)鍵領(lǐng)域扮演著極其重要的角色。盡管在電子設(shè)備中，模擬電路所占的比例不足兩成，但它們引發(fā)的故障卻高達(dá)電路總故障的80％。其中，硬故障(即電路的徹底失效)通常較容易識(shí)別，而軟故障通常由元件參數(shù)的微小偏差引起，導(dǎo)致性能下降，卻因其隱蔽性而難以被準(zhǔn)確診斷。模擬電路的非線性特性和元件容差的存在，使得故障狀態(tài)相互重疊，進(jìn)一步增加了軟故障的識(shí)別難度。此外，模擬電路故障特征的多樣性以及電路參數(shù)受不確定因素影響較大，也使得評(píng)估模擬電路的健康狀況變得更加具有挑戰(zhàn)性。

2、在實(shí)際模擬電路系統(tǒng)中，獲取故障數(shù)據(jù)樣本的代價(jià)高昂，部分故障類(lèi)型出現(xiàn)時(shí)間少、次數(shù)低，卻同樣對(duì)電子設(shè)備造成較大影響，而普通機(jī)器學(xué)習(xí)的研究需要使用大量的數(shù)據(jù)集多次重復(fù)訓(xùn)練，少量樣本在大多數(shù)情況下訓(xùn)練的診斷模型質(zhì)量較低，因此目前的模擬電路故障診斷大多使用多樣本數(shù)據(jù)訓(xùn)練模型，缺乏對(duì)少樣本情況的研究，使得很難適用于工程實(shí)踐。因此，設(shè)計(jì)一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法是十分有必要的。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，以更準(zhǔn)確地提取樣本的特征向量并加快模型的訓(xùn)練過(guò)程，以提高對(duì)少樣本的電路故障類(lèi)別識(shí)別的準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，包括如下步驟：

4、采集模擬電路故障類(lèi)別的樣本；

5、根據(jù)樣本制作支持集；

6、根據(jù)樣本制作樣本對(duì)集，并將樣本對(duì)集分為訓(xùn)練集和測(cè)試集；

7、通過(guò)孿生網(wǎng)絡(luò)模型計(jì)算樣本對(duì)集的特征向量；

8、通過(guò)損失函數(shù)對(duì)孿生網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；

9、根據(jù)訓(xùn)練好的網(wǎng)絡(luò)模型和支持集判斷待診斷樣本的故障類(lèi)別。

10、可選地，根據(jù)樣本制作支持集，具體步驟為：針對(duì)每種故障類(lèi)別，分別抽取5個(gè)樣本組成支持集。

11、可選地，根據(jù)樣本制作樣本對(duì)集，具體步驟包括：

12、分別隨機(jī)選擇每種故障類(lèi)別中2/3的樣本進(jìn)行兩兩配對(duì)，組成相似樣本對(duì)；

13、將每種故障類(lèi)別剩余的1/3的樣本與在其余故障類(lèi)別中隨機(jī)選擇的1/3的樣本進(jìn)行兩兩配對(duì)，組成非相似樣本對(duì)；

14、打亂相似樣本對(duì)和非相似樣本對(duì)的順序，得到樣本對(duì)集。

15、可選地，孿生網(wǎng)絡(luò)模型由swin-transformer模型和cnn模型組合形成；swin-transformer模型內(nèi)置有w-msa和sw-msa；w-msa用于窗口注意力機(jī)制的計(jì)算，sw-msa用于滑動(dòng)窗口注意力機(jī)制的計(jì)算。

16、可選地，孿生網(wǎng)絡(luò)模型具有兩條架構(gòu)相同的輸入支線；兩條架構(gòu)相同的輸入支線的神經(jīng)元權(quán)重彼此共享。

17、可選地，構(gòu)建損失函數(shù)的具體步驟包括：

18、將特征向量進(jìn)行復(fù)制，得到第一特征向量和第二特征向量；

19、計(jì)算第一特征向量的對(duì)比損失；

20、計(jì)算第二特征向量的交叉熵?fù)p失；

21、將對(duì)比損失和交叉熵?fù)p失進(jìn)行線性疊加，得到損失函數(shù)。

22、可選地，對(duì)比損失的計(jì)算公式為：其中，m為預(yù)設(shè)的安全距離，y的取值為0或1，d為樣本對(duì)集中樣本對(duì)之間的歐氏距離，xa和xb分別為樣本對(duì)集中樣本對(duì)的兩個(gè)樣本，lc為對(duì)比損失。

23、可選地，交叉熵?fù)p失的計(jì)算公式為：其中，的取值范圍為0.1～1，(1-pt)γ為調(diào)制因子，γ的取值范圍為0～5，pt為網(wǎng)絡(luò)模型對(duì)類(lèi)別的預(yù)測(cè)概率，zi為第二特征向量，k為第二特征向量的維度，lf為交叉熵?fù)p失。

24、可選地，損失函數(shù)的計(jì)算公式為：l＝λlc+lf；其中，l為損失函數(shù)，λ為對(duì)比損失的調(diào)節(jié)系數(shù)。

25、可選地，根據(jù)訓(xùn)練好的網(wǎng)絡(luò)模型和支持集判斷待診斷樣本的故障類(lèi)別，具體步驟包括：

26、將待診斷的故障樣本和支持集輸入至訓(xùn)練好的網(wǎng)絡(luò)模型中；

27、通過(guò)訓(xùn)練好的網(wǎng)絡(luò)模型計(jì)算待診斷的故障樣本和支持集中樣本的平均歐氏距離；

28、根據(jù)平均歐氏距離判斷待診斷樣本的故障類(lèi)別。

29、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開(kāi)了以下技術(shù)效果：本發(fā)明提供的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，該方法包括：采集模擬電路故障類(lèi)別的樣本；根據(jù)樣本制作支持集；根據(jù)樣本制作樣本對(duì)集，并將樣本對(duì)集分為訓(xùn)練集和測(cè)試集；通過(guò)孿生網(wǎng)絡(luò)模型計(jì)算樣本對(duì)集的特征向量；通過(guò)損失函數(shù)對(duì)孿生網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；根據(jù)訓(xùn)練好的網(wǎng)絡(luò)模型和支持集判斷待診斷樣本的故障類(lèi)別。

技術(shù)特征：

1.一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，根據(jù)所述樣本制作支持集，具體步驟為：針對(duì)每種故障類(lèi)別，分別抽取5個(gè)樣本組成所述支持集。

3.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，根據(jù)所述樣本制作樣本對(duì)集，具體步驟包括：

4.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，所述孿生網(wǎng)絡(luò)模型由swin-transformer模型和cnn模型組合形成；所述swin-transformer模型內(nèi)置有w-msa和sw-msa；所述w-msa用于窗口注意力機(jī)制的計(jì)算，所述sw-msa用于滑動(dòng)窗口注意力機(jī)制的計(jì)算。

5.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，所述孿生網(wǎng)絡(luò)模型具有兩條架構(gòu)相同的輸入支線；所述兩條架構(gòu)相同的輸入支線的神經(jīng)元權(quán)重彼此共享。

6.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，構(gòu)建所述損失函數(shù)的具體步驟包括：

7.根據(jù)權(quán)利要求6所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，所述對(duì)比損失的計(jì)算公式為：其中，m為預(yù)設(shè)的安全距離，y的取值為0或1，d為樣本對(duì)集中樣本對(duì)之間的歐氏距離，xa和xb分別為樣本對(duì)集中樣本對(duì)的兩個(gè)樣本，lc為對(duì)比損失。

8.根據(jù)權(quán)利要求7所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，所述交叉熵?fù)p失的計(jì)算公式為：其中，的取值范圍為0.1～1，(1-pt)γ為調(diào)制因子，γ的取值范圍為0～5，pt為網(wǎng)絡(luò)模型對(duì)類(lèi)別的預(yù)測(cè)概率，zi為第二特征向量，k為第二特征向量的維度，lf為交叉熵?fù)p失。

9.根據(jù)權(quán)利要求8所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，所述損失函數(shù)的計(jì)算公式為：l＝λlc+lf；其中，l為損失函數(shù)，λ為對(duì)比損失的調(diào)節(jié)系數(shù)。

10.根據(jù)權(quán)利要求1所述的基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，其特征在于，根據(jù)所述訓(xùn)練好的網(wǎng)絡(luò)模型和所述支持集判斷待診斷樣本的故障類(lèi)別，具體步驟包括：

技術(shù)總結(jié)
本發(fā)明提供了一種基于孿生網(wǎng)絡(luò)的模擬電路少樣本故障診斷方法，該方法包括：采集模擬電路故障類(lèi)別的樣本；根據(jù)樣本制作支持集；根據(jù)樣本制作樣本對(duì)集，并將樣本對(duì)集分為訓(xùn)練集和測(cè)試集；通過(guò)孿生網(wǎng)絡(luò)模型計(jì)算樣本對(duì)集的特征向量；通過(guò)損失函數(shù)對(duì)孿生網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；根據(jù)訓(xùn)練好的網(wǎng)絡(luò)模型和支持集判斷待診斷樣本的故障類(lèi)別。該方法能夠更準(zhǔn)確地提取樣本的特征向量并加快模型的訓(xùn)練過(guò)程，還提高了對(duì)少樣本的電路故障類(lèi)別識(shí)別的準(zhǔn)確性。

技術(shù)研發(fā)人員：高天宇,李永江,楊京禮
受保護(hù)的技術(shù)使用者：哈爾濱工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17