基于改進神經網絡的模擬電路板芯片故障智能診斷方法

摘 要：由于現有的診斷方法特征選取準確度低，因此本文研究基于改進神經網絡的模擬電路板芯片故障智能診斷方法，提出改進神經網絡，準確地計算故障數據行為特征，對故障樣本進行采集。構建故障智能診斷模型，利用卷積神經網絡對LiLSTM的隱狀態矩陣進行特征提取。引入注意力機制，均勻分配學習特征權重。根據這些特征向量輸出故障類別的概率，與閾值進行對比，得到最終的故障診斷結果，確定故障位置。試驗結果表明，試驗組的誤診率為7%，誤診程度較低；模型在不同工況下對芯片的故障智能診斷準確程度控制在97%～100%，結果符合預期。綜上所述，使用該方法能夠精準分析芯片信息，準確確定芯片故障，診斷效果良好。

關鍵詞：改進神經網絡；模擬電路板芯片；故障診斷；特征提取

中圖分類號：TN 219" " " " 文獻標志碼：A

在電子工業快速發展進程中，模擬電路板芯片作為電子系統的核心組成部分，在整個系統的運行過程中，其可靠性以及穩定性比較重要。本文模擬電路板芯片故障智能診斷技術，結合電路板芯片的工作原理和故障特性，快速、準確地對故障進行診斷。許多學者對故障診斷方法進行研究。文獻[1]針對隔離開關的姿態角度信息使用姿態傳感器獲取相關數據，采用Stacking模型融合技術，結合Stacking基學習器進行優勢互補，提升診斷性能。盡管采用多種技術來提高診斷的準確性和穩定性，但是在實際應用中仍然可能受到外部因素影響，導致診斷結果出現偏差或誤報。……