摘要
本发明提供了一种单模块电源故障诊断方法及装置。该方法首先通过获取单模块电源模型,输入需诊断的开关器件数目及故障类型,并根据故障仿真分析选择关键的电气数据采集节点。在选定节点处采集包含开关器件运行状态的时序信号,利用变模态经验分解将信号分解为多个本征模态函数,提取时域与频域的关键特征,形成特征矩阵。随后,结合特征矩阵和对应的故障标签,采用LightGBM模型进行故障分类,通过叶子节点优先生长策略提高诊断精度。引入蚁群算法对LightGBM的模型参数组合进行动态调整,优化目标函数。本发明具有诊断精度高、抗干扰能力强、适应性广及自动化程度高的优点,能够为电源系统的故障检测与诊断提供高效可靠的技术支持。
技术关键词
LightGBM模型
故障诊断方法
计算机存储器
故障仿真分析
开关器件故障
电气数据采集
蚂蚁
蚁群算法优化
数据采集节点
参数
模块电源系统
故障分类模型
样本
矩阵
时序
频域特征
系统为您推荐了相关专利信息
多智能体协同
故障诊断方法
强化学习模型
多智能体强化学习
多尺度特征提取
图像特征数据
数控机床部件
数控机床控制
故障诊断方法
数据分析算法
轴承故障诊断方法
图像
连续小波变换
信号
螺旋正弦
复合故障诊断方法
深度神经网络
故障特征提取
设备状态数据
设备运行状态
机械故障诊断方法
分层强化学习
故障诊断模型
动态
混合深度学习模型