DBNに基づく特徴抽出を用いたアナログ回路の初期故障診断方法

アナログ回路の初期故障を正確に特定することは、回路の健康監視に役立ちますが、非常に困難です。本稿では、深層信念ネットワーク（DBN）に基づく特徴抽出を用いたアナログ回路の初期故障診断方法を提案します。診断スキームでは、アナログ回路の時間応答を測定し、DBN法を使用して特徴を抽出します。同時に、DBNの学習率は量子振る舞い粒子群最適化（QPSO）アルゴリズムを使用して生成され、これによりDBNの構造パラメータの最適化が実現します。その後、抽出された特徴を基にサポートベクターマシン（SVM）に基づく初期故障診断モデルを構築し、SVMの正則化パラメータと幅因子はQPSOアルゴリズムを使用して生成されます。Sallen-Keyバンドパスフィルターおよび4オペアンプバイカッド高域通過フィルターの初期故障診断シミュレーションを行い、提案された診断方法を実証し、比較により提案された診断方法が他の典型的なアナログ回路故障診断方法よりも高い診断精度を生み出せることを検証します。