基于数据驱动的设备电路板无图纸故障诊断

发布时间：2025-04-11 02:22

　　 针对医疗设备电路板结构设计复杂,传统故障诊断方法过度依赖图纸等技术资料和维修专家个人技术经验,导致维修贵、维修难等问题,提出一种基于数据驱动的无图纸故障智能诊断方法。在未知电路图纸信息以及电路板工作原理的前提下,模拟电路板不同故障状态,采集各外部接口引脚电信号作为原始故障数据;对故障数据进行预处理,并划分为训练集及测试集;使用机器学习的方法构建基于单层长短时记忆网络的故障智能诊断系统,利用Python编程进行模型训练,系统输出训练过程准确率及损失曲线。结果表明,该方法能实现对电路板故障的诊断分类,准确率达89.99%,效率较高,可靠性强。

【文章页数】：6 页

【部分图文】：

图1 长短时记忆（LSTM）网络结构示意图

图1中，it、ft和ot分别表示输入门、遗忘门和输出门；xt表示输入单元；at表示新的候选向量单元；ct表示单元状态；ht表示状态输出单元；代表对应元素相乘；W、U和b分别表示网络的权重矩阵和偏置向量。各门限、单元及状态输出如式（1）～式（6）所示：遗忘门是LSTM单元的关键组成....

图2 基于LSTM网络的故障分类诊断流程

本研究利用LSTM网络对医疗设备电路板进行故障诊断，总体流程如图2所示。2.1网络结构

图3 YDB-III型软组织治疗仪主控板

实验对象具有响应按键控制、数模转换、输出控制、定时和显示的功能。具有7个外部接口，共45个可测试引脚。本实验在未知电路板信号走向且无电路图纸情况下，本着不介入电路板内部，不对其造成破坏的原则，以45个可及引脚作为测试点获取故障信号。多通道信号不仅能更全面反映故障类型，更能适应多种....

图4 数据采集LabVIEW程序

将7组故障数据进行集成归约整理至一个数据集。考虑到45路信号幅值各不相同，直接使用原始数据进行网络训练，突出幅值较高信号的作用，削弱幅值较低信号的作用。为保证结果有效可靠，对原始数据进行标准的归一化处理[20]。图5电路板故障0状态下各接口信号示例

本文编号：4039353