计算机工程与科学

作者：吴玉虹, 王建

单位：昆明理工大学信息工程与自动化学院，云南 昆明 650504

关键词：模拟电路,故障诊断,深度学习,同质结构,层归一化,

基金：国家自然科学基金（62162034）

深度学习在故障诊断中应用广泛，但目前基于深度学习的模拟电路故障诊断模型复杂度较高，难以在边缘设备上部署。针对该问题，为了进一步提高故障诊断精度，提出了一种简单且轻量化的Patches-CNN模拟电路故障诊断深度学习模型。首先，将输入的图像分割成patches，并通过Patches Embedding算子转换为词向量(tokens)，作为ViT风格的同质结构的输入，利用轻量化算子GSConv进行特征提取和获取token之间的信息，可以有效地提高模型的故障诊断精度。其次，添加层归一化可以防止模型梯度爆炸和加快模型收敛，为了提升模型的非线性,采用GELU激活函数。最后，将Sallen-Key带通滤波电路和Four-Opamp双二阶高通滤波电路作为实验对象。实验结果表明,该模型可以实现故障的准确分类与定位。

来源：2025年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第1期