双通道融合的DC-DC电路软故障诊断

摘要

针对DC-DC电路故障诊断中存在特征提取和诊断精度的问题,提出了一维卷积神经网络和双向门控逻辑单元双通道融合的DC-DC电路故障诊断方法。卷积神经网络(CNN)端到端的优势使其善于提取数据空间中的局部重要特征,双向门控循环单元(BiGRU)提取信号在时间维度上的特征具有优势。结合CNN和BiGRU的优势,同时提取DC-DC电路信号的特征,并且融合为新的特征向量,输入到分类层进行故障识别。该方法可以自适应从原始电压信号提取到更为全面的特征,经实验证明,所提方法诊断的准确率达到99.92%。