公开(公告)号：CN118013345A

公开(公告)日：2024-05-10

申请号：CN202311768549.0

申请日：2023-12-21

Applicant: 中国计量大学

Inventor： 彭宇 ,  张莉 ,  陈歆 ,  梁培

IPC: G06F18/241 ,  G01R31/00 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于深度学习的电磁干扰诊断方法，涉及电磁干扰诊断领域，具体包括：选用DM‑WGAN网络对样本进行数据增强；选用小波包分解方法和自适应阈值峰值提取法进行数据预处理，得到降维后的一维能量综合特征值和峰值特征矩阵；将得到的特征矩阵输入到基于EMSC的多通道double‑1D‑CNN模型中进行模型的预训练；训练完成后将处理后的测试集输出到模型中进行结果预测，得到最终的电磁干扰诊断结果。本发明是基于深度学习的方法进行电磁干扰诊断系统，针对电磁干扰小样本特性提出了一种针对信号数据进行数据增强的方法DM‑WGAN，来提高模型的可靠性，针对模型在不同维度上特征学习能力，使用多特征以及基于EMSC的多通道double‑1D‑CNN模型来实现，使得电磁干扰诊断更加精准。

公开(公告)号：CN117272137A

公开(公告)日：2023-12-22

申请号：CN202311169592.5

申请日：2023-09-12

Applicant: 中国计量大学

Inventor： 彭宇 ,  张莉 ,  张巍 ,  梁培 ,  周盛华 ,  郑璐晔

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/082 ,  G01R31/00

Abstract: 本发明公开了一种基于深度学习的电磁兼容诊断方法，涉及电磁兼容故障源诊断领域，具体包括：根据电磁兼容测试数据特点对数据进行预处理，选用小波阈值去噪方法对数据进行去噪；将样本分为训练集和测试集，分别使用小波包分解得到训练集和训练集的相对能量矩阵；将处理后的训练样本输入到轻量化CNN模型中进行训练并对模型进行优化；将处理后的测试集数据输入到训练完成的轻量化CNN模型中进行分类，从而对故障源进行判定。本发明是以自动化的方式进行电磁兼容故障源诊断，针对电磁兼容数据特性使用小波分析方法对数据进行处理得到二维矩阵，并针对小样本问题使用A‑ThiNet方法优化的轻量化CNN模型，防止小样本导致的过拟合问题，并且减少了参数量和储存空间，可以实现更快的进行故障源分类。