买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜哈尔滨工业大学申请的专利基于BV-CNN的模拟电路故障诊断方法、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118981693B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411256447.5，技术领域涉及：G06F18/2415；该发明授权基于BV-CNN的模拟电路故障诊断方法、电子设备及存储介质是由刘晓东;郭旬涛设计研发完成，并于2024-09-09向国家知识产权局提交的专利申请。

本基于BV-CNN的模拟电路故障诊断方法、电子设备及存储介质在说明书摘要公布了：基于BV‑CNN的模拟电路故障诊断方法、电子设备及存储介质，属于模拟电路故障诊断技术领域。为高效的进行BV‑CNN的模拟电路故障诊断，本发明定义优化目标函数，设置模态个数K和惩罚参数α作为贝叶斯优化参数搜索空间，使用贝叶斯优化方法搜索VMD算法的模态个数K和惩罚参数α的最优组合，得到优化后的VMD算法的参数，贝叶斯优化自动选择VMD参数，避免了在参数选择不当时会出现模态混叠或信号过度分解的问题，提升了信号分解效果，并结合CNN自动特征提取和分类能力，大大提高了故障诊断的准确性和鲁棒性，对非线性、非平稳信号也能实现较好的处理，适应了复杂信号和多工况，实现了高效的参数优化和模型训练。

本发明授权基于BV-CNN的模拟电路故障诊断方法、电子设备及存储介质在权利要求书中公布了：1.一种基于BV-CNN的模拟电路故障诊断方法，其特征在于，包括如下步骤：S1.使用PSpice软件设置仿真环境，对Sallen-Key带通滤波电路进行仿真实验，采集无故障和10种器件故障类型下的信号数据，得到11种状态的信号数据；S2.对步骤S1采集的11种状态的信号数据进行预处理，构建11种状态下的单故障数据集；S3.进行贝叶斯优化参数寻优：定义优化目标函数，设置模态个数K和惩罚参数α作为贝叶斯优化参数搜索空间，使用贝叶斯优化方法搜索VMD算法的模态个数K和惩罚参数α的最优组合，得到优化后的VMD算法的参数；步骤S3的具体实现方法包括如下步骤：S3.1.定义优化目标函数，选择信号重构误差fK,α作为目标函数，表达式为： 其中，x是单故障数据集中的无故障类型数据，ui是VMD分解得到的第i个模态分量S3.2.设置参数空间，选择模态个数K和惩罚参数α作为贝叶斯优化的参数搜索空间：设置模态个数在[1,10]范围内选择，惩罚参数在[10-3,103]范围内选择；S3.3.通过拉丁超立方采样方法，对模块个数和惩罚参数同时采样，得到N个初始样本点并计算每个样本点在目标函数fKi,αi的值；S3.4.构建高斯过程模型作为贝叶斯优化的代理模型，先定义核函数为kK,α,K′,α′，表达式为： 其中，σ2是核函数的方差参数，控制输出值的尺度，lK是K方向上的长度尺度参数，lα是α方向上的长度尺度参数，K,α,K′,α′是任意两个初始样本点；再定义均值函数mK,α，然后将核函数和均值函数结合起来，构建高斯过程模型gK,α，表达式为： 其中，表示高斯过程；S3.5.拟合步骤S3.4得到的高斯过程模型，使用步骤S1得到的初始样本点及对应目标函数的值作为训练数据，通过最大似然估计的方法，估计超参数σ2、lK和lα，拟合高斯过程模型；S3.6.定义优化采集函数，选择期望改进EIK,α作为采集函数，表达式为： 其中，φ是标准正态分布的概率密度函数，Φ是累积分布函数，fbest是当前最佳目标函数值，μK,α是高斯过程模型预测的在参数点K,α处的目标函数的均值，σK,α是高斯过程模型预测的在参数点K,α处目标函数值的标准差，表示预测的不确定性；EIK,α表示在参数点K,α上目标函数超过当前最佳值fbest的期望改进量；搜索整个参数空间，找到使期望改进最大化的点Knew,αnew，表达式为：Knew,αnew＝argmaxK,αEIK,α然后计算在点Knew,αnew上目标函数值fKnew,αnew；S3.7.更新高斯过程模型，将Knew,αnew采样点及其目标函数值添加到训练数据中，并重新拟合高斯过程模型以更新预测均值和标准差；S3.8.重复步骤S3.6和S3.7，达到最大迭代次数或期望改进低于某个阈值时停止迭代，最终得到模态个数K和惩罚参数α最优的参数组合，得到优化后的VMD算法的参数；S4.基于步骤S3得到的优化后的VMD算法的参数，通过VMD算法对步骤S2得到的单故障数据集中的信号数据进行分解，得到经过VMD算法处理的单故障数据集，分为训练集和测试集；S5.构建CNN网络；S6.利用步骤S4得到的训练集对步骤S5构建的CNN网络进行训练，然后利用步骤S4得到的测试集对训练好的CNN网络进行测试，得到训练好的CNN网络；S7.将训练好的CNN模型应用于实际的模拟电路故障诊断任务，对于实际模拟电路故障信号使用VMD算法进行分解，然后输入到步骤S6训练好的CNN模型中进行分类，得到模拟电路故障类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。