طريقة تشخيص الأعطال الأولية للدائرة التناظرية باستخدام استخراج الميزات المستندة إلى الشبكة العميقة للاعتقاد

يُعتبر التعرف الصحيح على الأعطال الأولية للدائرة التناظرية مفيدًا لمراقبة صحة الدائرة، ومع ذلك، فإنه من الصعب جدًا. في هذه الورقة، تُقدم طريقة تشخيص الأعطال الأولية للدائرة التناظرية باستخدام استخراج الميزات المستندة إلى الشبكة العميقة للاعتقاد (DBN). في مخطط التشخيص، يتم قياس استجابات الزمن للدائرات التناظرية، ثم يتم استخراج الميزات باستخدام طريقة DBN. وفي الوقت نفسه، تُنتج معدلات التعلم لـ DBN باستخدام خوارزمية تحسين سرب الجسيمات ذات السلوك الكمومي (QPSO)، مما يفيد في تحسين معلمات هيكلية DBN. بعد ذلك، يتم إنشاء نموذج تشخيص الأعطال الأولية المستند إلى آلة الدعم الشامل (SVM) بناءً على الميزات المستخرجة لتصنيف المكونات المعطلة الأولية، حيث يتم الحصول على معامل التنظيم وعامل العرض الخاص بـ SVM باستخدام خوارزمية QPSO. تم إجراء محاكاة لتشخيص الأعطال الأولية لمرشح تمرير نطاق Sallen-Key ومرشح تمرير عالي من أربعة مضخمات (op-amp) لإظهار طريقة التشخيص المقترحة، وتؤكد المقارنات أن طريقة التشخيص المقترحة يمكن أن تحقق دقة تشخيص أعلى من طرق تشخيص الأعطال التناظرية الأخرى النموذجية.