一种基于改进TQWT和DBN网络的模拟电路故障诊断方法

本发明公开了一种基于改进的可调谐正交小波变换（TQWT）和深度信念网络（DBN）的模拟电路故障诊断方法，旨在提高故障诊断的效率和准确性。该方法的第一步是采用TQWT算法对电路信号数据进行细化处理，利用TQWT的特性，可以更有效地捕捉到信号的局部特征，尤其是在处理复杂和噪声干扰较大的电路信号时。为优化TQWT算法的性能，采用布谷鸟搜索算法对TQWT的Q因子进行动态调整，确保在特定的应用场景中选择出最佳的Q因子，从而提高故障特征的分离能力。在数据细化后，接下来将细化后的数据输入到Inception模块中进行特征提取。Inception模块因其独特的并行处理能力和多尺度特征提取优势，能够有效地捕获电路信号中的关键特征，从而显著增强模型对各种故障模式的识别能力。特征提取完成后，最终构建一个多核支持向量机（MKL‑SVM）用于故障分类。MKL‑SVM通过整合多种内核函数，可以提高分类模型的准确性和鲁棒性，适应不同类型的故障分类需求。