摘要
本发明公开了一种基于人工智能的电子元器件故障检测方法,所述方法包括获取预设故障种类的仿真模拟数据;获取所述预设故障种类的实际测数据;对所述仿真模拟数据与所述实际测数据进行预处理得到特征数据和特征数据的关联关系,基于所述特征数据构建单一图论数据,并根据所述特征数据的关联关系构建关联图论数据;构建电子元器件检测模型;基于改进鲸鱼优化算法优化电子元器件检测模型的调整参数;采集电子元器件的实时数据,并采用所述训练后的电子元器件检测模型对所述实时数据进行故障检测,得到检测结果;本发明对深度学习网络模型的各参数进行优化,提高模型的检测速度和检测精度,模型输出具有非线性特征,提高多种故障状态检测的准确性。
技术关键词
电子元器件
故障检测方法
鲸鱼优化算法
综合故障
顶点
实时数据
LSTM模型
深度学习网络模型
更新模型参数
关系
非线性特征
阶段
节点
传感器
聚类
超参数
系统为您推荐了相关专利信息
建筑形变监测
光纤传感器
钢结构基础
钢结构构件
钢结构框架
笛卡尔
边界结构
网格
生成三维图像
三维图像分辨率
电气设备电路
故障检测方法
源节点
矩阵
传感器采集电路
门控循环单元神经网络
锂离子电池容量
单体电池容量
容量预测模型
鲸鱼优化算法