一种针对射频电路板的故障诊断方法和装置与流程

本发明涉及故障诊断，尤其涉及一种针对射频电路板的故障诊断方法和装置。

背景技术：

1、射频电力电子装置通常是由电力电子器件、集成电路、人机互动系统、通信系统、控制系统等部分根据它们的功能和作用按照一定的目的和要求有机地组合成一个装置或整个系统。当系统中的任一个元器件或子系统局部发生故障时，都有可能导致整个系统和装置的工作状态发生异常，甚至造成整个电路不能正常工作。因此，实时对电力电子电路和装置的工作状态进行监测和诊断是相当必要而且十分重要的。

2、目前在对电路板故障的诊断系统中，常用的方式是通过某一元器件、某一测试点进行检测，对测试点的电压、电流和波形信号进行采集，量化并进行显示处理，一般采用单路采集的方式，分别记录每一路传感器数据，然后通过进行数据统计及限值分析来对检测数据进行判断，如果需要提供更加精确监测效果，则需要加入更多的传感器。

3、然而通过上述方法对电路板进行故障检测诊断或是想提高检测能力，则仅能通过安装大量的传感器，来实现当前设备状态多维度的检测，但随着传感器的增加，需要监测的数据也会随之增加，会造成系统显示信息的混乱和复杂，会影响使用人员的分析和判断力，容易造成对系统的误判或漏判。

技术实现思路

1、本发明提供了一种针对射频电路板的故障诊断方法和装置，以实现对电路板故障检测效率的提高，同时最大限度确保系统的稳定性并进一步判别出系统故障类型，提高维修人员的排障效率的技术效果。

2、为了解决上述技术问题，本发明实施例提供了一种针对射频电路板的故障诊断方法，包括以下步骤：

3、获取待诊断射频电路板每个历史状态的待处理数据；其中，所述每个历史状态包括正常运行状态和故障运行状态；

4、调用预设的主成分分析算法对所述待处理数据依次进行数据降维和特征提取，输出第一特征数据，并对所述第一特征数据依次进行排序和累计贡献率计算，进而根据计算结果选择并输出故障特征样本；

5、对所述故障特征样本进行预处理后输入预设的故障分类器中进行训练，输出相应判别函数对所述故障分类器进行更新，进而将所述故障特征样本输入更新后模型中进行故障识别归类，输出相应故障判别结果。

6、本发明提供的故障诊断方法首先需要获得待诊断设备电路板每个历史状态的待处理数据，该历史状态包括系统正常运行状态和故障运行状态两种状态下的各项数据。

7、获得了所述待处理数据后，系统则调取主成分分析算法依次对待处理数据进行数据降维处理和特征提取处理，通过对待处理数据进行数据降维，将待处理数据中彼此相关的多个变量简化为互不相关的的几个变量的线性组合，进而在可确保降维后数据中的信息足以表现出原数据中大部分信息的情况下对待处理数据进行数据降维，进一步解决了数据维数过高的问题。同时，系统还将对降维后的数据进行特征提取，从中选择并获得合适的特征用来表达需要解决的故障诊断问题。这种方法还可以对繁杂的数据进行第一轮筛选，滤除其中冗杂的噪声数据，降低了后续故障分类计算的复杂性。

8、对特征提取后获得的第一特征数据进行排序和累计贡献率计算，从而进一步从中选择获取第二特征数据作为故障特征样本以供后续故障分类识别工作。本发明所提供的主成分分析法对待处理数据进行预处理输出相应的故障特征样本，有效地解决了由于特征数据冗余和互不相关变量造成的故障辨识失误或者隐藏数据真实模式的问题，有利于系统后续的故障辨识工作。同时，通过对待处理数据的两次筛选、噪声滤除，进一步提高了输出的故障特征样本中故障数据的占比率，通过降低输出的故障特征样本中的噪声数据也进一步提高了后续系统对故障特征样本进行故障识别归类的效率和准确性。

9、系统在输出了故障特征样本后，即可对故障特征样本进行预处理，并将处理后的样本数据输入故障分类器中对故障分类器进行训练，以此提高故障分类器对故障特征样本的敏感性和分类准确性。完成训练后，系统则可采用训练后的模型对故障特征样本进行故障识别规则，进而输出相应的故障判别结果，实现了对射频电路板的不正常运行状态中判断出电路板故障类型，进而得以尽快通知维护人员及时地采取解决措施或者采取故障隔离手段等，最大限度确保和维持系统的稳定性，防止故障继续扩大和蔓延，提高了维修人员的排障效率。同时，本发明所提供的故障诊断方法还提高了故障排除效率，以使系统尽快恢复至正常工作状态，降低了因故障导致对设备的损坏程度，保障了工作人员的人身安全，减少了因故障引起的经济损失和对社会造成的不良影响。

10、作为优选例子，所述调用预设的主成分分析算法对所述待处理数据依次进行数据降维和特征提取，输出第一特征数据，具体为：

11、对所述待处理数据进行样本标准化处理，获得第一样本数据，并对所述第一样本数据进行样本列均值计算，进而根据计算获得的列均值进行样本列偏差计算，并根据计算获得的样本列偏差构建相应自相关矩阵；

12、对所述自相关矩阵进行特征值计算和特征向量提取，输出相应第一特征值和第一特征向量，整合所述第一特征值和所述第一特征向量获得所述第一特征数据。

13、为了提高故障特征样本的准确性，同时降低了系统后续故障识别归类的运算量，本发明所提供的故障诊断方法在获得了待处理数据后，首先将对待处理数据进行标准化处理，降低后续对待处理数据进行进一步数据处理时的计算复杂度。获得了第一样本数据后，系统还将依次对第一样本数据进行列均值和列偏差计算，进而根据计算获得的列偏差构建相应的自相关矩阵，为后续提取输出第一特征数据提供数据支撑。

14、获得了所述自相关矩阵后，系统即可对自相关矩阵进行特征值和特征向量计算和提取，并从中获取第一特征值和第一特征向量，整合所述第一特征值和第一特征向量即可获得第一特征数据，为后续系统进行故障识别归类提供数据支撑。本发明所提供的故障诊断方法通过上述方式对待处理数据进行数据降维和特征提取，解决了数据维数过高的问题，滤除了待处理数据中的冗余数据和互不相关的变量数据，降低了系统后续进行故障分类计算的复杂性和故障辨识失误的概率，有利于后续系统进行故障类型辨识。

15、作为优选例子，所述对所述故障特征样本进行预处理后输入预设的故障分类器中进行训练，输出相应判别函数对所述故障分类器进行更新，具体为：

16、对所述故障特征样本进行平均值计算，通过平均值对所述故障特征样本进行一轮筛选，并对筛选后的样本数据进行峭度和偏度的计算，将计算获得的偏度和峭度作为输入训练数据输入所述故障分类器中进行分类训练；

17、控制所述故障分类器对所述输入训练数据进行计算，分别将准则函数为最值时对应的两个特征值和两个特征向量输出，并将所述两个特征向量作为判别函数的系数，并根据所述两个特征值计算输出两个所述判别函数，通过两个所述判别函数对所述故障分类器进行参数更新，输出相应所述更新后模型。

18、为了更进一步提高后续系统输出的故障判别结果的准确性，本发明所提供的故障诊断方法中，系统在获得第一特征数据即故障特征样本后，首先需要对故障特征样本进行平均值计算，并根据计算获得的平均值对故障特征样本进行一轮筛选，以此实现对故障特征样本中样本数据的筛选以及噪声滤除，然后对筛选后的样本数据进行峭度和偏度的计算，将计算获得的偏度和峭度作为输入训练数据输入系统内预设的故障分类器中进行分类训练，以此提高故障分类器对样本数据的分类敏感度和分类准确性。本发明提供的故障诊断方法通过偏度和峭度对模型训练数据的替代简化了故障特征样本数据，也减少了后续系统的计算量，使得有效特征信息的明显度提高，也提高了各类特征的区分度，以使其容易被模型辨识。

19、故障分类器对训练数据训练时，将训练中使得准则函数达到最值即最大值和最小值时，分别对应的两个特征值和特征向量进行输出，并将其中的两个特征向量作为判别函数的系数，进而根据两个特征值计算获取所述判别函数和训练后模型，以供后续系统进行故障识别归类。上述判别方法提高了针对故障特征样本数据进行故障判别的准确性，同时也简化了判别过程进而提高了故障判别效率。

20、作为优选例子，在所述获取待诊断射频电路板每个历史状态的待处理数据之后，还包括：

21、对所述待处理数据进行分析处理和特征提取，输出第二特征数据，并基于支持向量机的非线性回归方法模型对所述第二特征数据进行训练和预测；

22、进而通过最小二乘法求解所述非线性回归方法模型的参数，获得相应预测特征向量序列；

23、将所述预测特征向量序列输入粒子滤波程序进行滤波和预测处理，输出预测值，并将所述预测值与电路板的实时运行值进行比较，获得相应偏离程度，进而根据所述偏离程度计算获得所述待诊断射频电路板的故障预测概率值。

24、为了实现对电路板中各节点出现故障进行准确预测，本发明还提供了一种根据采集的待处理数据对电路板各节点出现故障的概率进行预测的方法，通过对待处理数据进行分析处理和特征提取，提取出与故障相关的特征信息，同时也对待处理数据进行了一轮去噪处理，降低了提取获得的第二特征数据中的噪声数据冗余问题。然后基于支持向量机的非线性回归方法模型对所述第二特征数据进行训练和预测，通过最小二乘法求解模型参数，输出相应预测特征向量序列，为后续系统对电路板各节点进行故障预测提供了数据支持。

25、将系统输出的预测特征向量序列输入粒子滤波程序进行滤波和预测，通过滤波滤除噪声，通过预测输出预测值，将预测值和电路板的实时运行值相比较即可确定预测值与实时运行值之间的偏离程度，进而根据偏离程度计算获得电路板的故障预测概率值，实现对电路板的故障预测。

26、作为优选例子，在所述输出相应故障判别结果之后，还包括：

27、从所述故障判别结果中提取获得故障数据，并将所述故障数据存储至预设的故障数据库中；

28、响应于诊断分析信号，根据接收的待诊断数据从所述故障数据库中调取相关的故障数据对所述待诊断数据进行诊断分析，并输出相应诊断分析报告至第一终端。

29、为了提高系统故障分类器的分类准确性，本发明所提供的故障诊断方法在输出了故障判别结果后，将从中提取出相应的故障数据，并将其存储至系统内预设的故障数据库中，以待后续系统响应于诊断分析信号根据该数据库中的故障数据输出相应诊断分析报告。

30、相应的，本发明还提供了一种针对射频电路板的故障诊断装置，所述故障诊断装置包括数据获取模块、特征提取模块和故障判别模块；

31、其中，所述数据获取模块用于获取待诊断射频电路板每个历史状态的待处理数据；其中，所述每个历史状态包括正常运行状态和故障运行状态；

32、所述特征提取模块用于调用预设的主成分分析算法对所述待处理数据依次进行数据降维和特征提取，输出第一特征数据，并对所述第一特征数据依次进行排序和累计贡献率计算，进而根据计算结果选择并输出故障特征样本；

33、所述故障判别模块用于对所述故障特征样本进行预处理后输入预设的故障分类器中进行训练，输出相应判别函数对所述故障分类器进行更新，进而将所述故障特征样本输入更新后模型中进行故障识别归类，输出相应故障判别结果。

34、作为优选例子，所述故障诊断装置还包括故障预测模块；

35、其中，所述故障预测模块用于对所述待处理数据进行分析处理和特征提取，输出第二特征数据，并基于支持向量机的非线性回归方法模型对所述第二特征数据进行训练和预测；

36、进而通过最小二乘法求解所述非线性回归方法模型的参数，获得相应预测特征向量序列；

37、将所述预测特征向量序列输入粒子滤波程序进行滤波和预测处理，输出预测值，并将所述预测值与电路板的实时运行值进行比较，获得相应偏离程度，进而根据所述偏离程度计算获得所述待诊断射频电路板的故障预测概率值。

38、作为优选例子，所述特征提取模块调用预设的主成分分析算法对所述待处理数据依次进行数据降维和特征提取，输出第一特征数据，具体为：

39、对所述待处理数据进行样本标准化处理，获得第一样本数据，并对所述第一样本数据进行样本列均值计算，进而根据计算获得的列均值进行样本列偏差计算，并根据计算获得的样本列偏差构建相应自相关矩阵；

40、对所述自相关矩阵进行特征值计算和特征向量提取，输出相应第一特征值和第一特征向量，整合所述第一特征值和所述第一特征向量获得所述第一特征数据。

41、作为优选例子，所述故障判别模块对所述故障特征样本进行预处理后输入预设的故障分类器中进行训练，输出相应判别函数和训练后模型，具体为：

42、对所述故障特征样本进行平均值计算，通过平均值对所述故障特征样本进行一轮筛选，并对筛选后的样本数据进行峭度和偏度的计算，将计算获得的偏度和峭度作为输入训练数据输入所述故障分类器中进行分类训练；

43、控制所述故障分类器对所述输入训练数据进行计算，分别将准则函数为最值时对应的两个特征值和两个特征向量输出，并将所述两个特征向量作为判别函数的系数，并根据所述两个特征值计算输出两个所述判别函数，通过两个所述判别函数对所述故障分类器进行参数更新，输出相应所述更新后模型。

44、作为优选例子，所述故障判别模块在输出相应故障判别结果之后，还包括：

45、从所述故障判别结果中提取获得故障数据，并将所述故障数据存储至预设的故障数据库中；

46、响应于诊断分析信号，根据接收的待诊断数据从所述故障数据库中调取相关的故障数据对所述待诊断数据进行诊断分析，并输出相应诊断分析报告至第一终端。