近日，四川师范大学物理与电子工程学院电子信息专业硕士研究生唐旋中、周鑫，在导师梁文海教授指导下，在期刊《Circuits, Systems, and Signal Processing》（中科院三区）上发表了题为“Soft Fault Diagnosis of Analog Circuits Based onClassification of GAF_RP Images With ResNet”的研究论文。该论文为以四川师范大学为第一单位，研究生唐旋中为第一作者，梁文海教授为通讯作者，研究生周鑫为共同作者。

本项工作提出了一种基于Gramian Angular Field(GAF)和Recurrence Plot(RP)图像分类的模拟电路故障诊断方法。该方法通过Gramian angle sum field、Gramian angle difference field和Recurrence Plot将模拟电路产生的时间响应信号转换为GAF_RP图像，获得了比时间序列更丰富的特征信息，并使用双线性插值法对图像进行压缩，以提高神经网络训练和测试的效率。同时构建了18层残差神经网络（ResNet-18）对GAF_RP图像进行特征提取和学习，最后基于该方法搭建了模拟电路故障诊断测试平台，通过实际测试较好实现了模拟电路软故障精确诊断。

图1 所提出的模拟电路故障诊断流程图。

图2 四运放双二阶高通滤波电路的在元件偏离标称值30%故障状态下的软故障诊断结果混淆矩阵。

图3 元件偏离标称值30%故障状态下的SALLEN-KEY带通滤波电路（CUT1）、四运放双二阶高通滤波电路(CUT2)在不同信噪比下的故障诊断精度曲线。

图4 所搭建的模拟电路故障诊断测试平台。

论文链接：https://link.springer.com/article/10.1007/s00034-023-02392-5