基于Patches-CNN的模拟电路故障诊断

作     者：吴玉虹 王建 WU Yuhong;WANG Jian

作者机构：昆明理工大学信息工程与自动化学院云南昆明650504 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2025年第47卷第1期

页      面：35-44页

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家自然科学基金(62162034) 

主　　题：模拟电路 故障诊断 深度学习 同质结构 层归一化 

摘      要：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。