典型文献
基于特征融合的开关电源故障诊断方法研究
文献摘要：
目的 针对医疗装备中开关电源因缺少图纸而导致故障诊断困难的问题,提出一种基于特征融合的开关电源故障诊断方法.方法 结合开关电源基本工作原理,模拟医疗设备开关电源常见故障,并采集关键元器件故障信号,利用深度学习中的长短时记忆网络和一维卷积神经网络提取不同维度特征并将其自适应融合成多维特征向量,建立基于多维度特征融合的故障智能诊断模型,同时利用Adam算法对模型进行自适应优化,实现开关电源故障状态的自动识别.结果 以迈瑞T8监护仪开关电源为例对所提方法进行验证,结果表明,所提出的方法对开关电源常见4种故障有很好的诊断效果,且模型精度和准确率较基于单一特征的故障诊断方法均提高5％左右.结论 基于特征融合的开关电源故障诊断方法能有效识别开关电源常见故障,具有一定的创新性.
文献关键词：
故障诊断;开关电源;深度学习;特征融合
中图分类号：
作者姓名：
张诗慧;郎朗;种银保
作者机构：
陆军军医大学第二附属医院 医学工程科,重庆 400037
文献出处：
引用格式：
[1]张诗慧;郎朗;种银保-.基于特征融合的开关电源故障诊断方法研究)[J].中国医疗设备,2022(09):27-32
A类：
B类：
特征融合,开关电源,故障诊断方法,医疗装备,图纸,基本工作原理,医疗设备,常见故障,键元,元器件,故障信号,长短时记忆网络,一维卷积神经网络,不同维度,自适应融合,多维特征,特征向量,多维度特征,故障智能诊断,智能诊断模型,Adam,自适应优化,故障状态,自动识别,T8,监护仪,诊断效果,模型精度
AB值：
0.300321
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
