本发明属于人工智能深度学习故障诊断领域，具体涉及一种基于多维感知特征提取的电子直流负载过流预测方法。
背景技术：
1、随着科技的快速发展，电子设备的应用越来越广泛，电子直流负载作为电子设备中的重要组成部分，其性能和稳定性对电子设备的运行至关重要。电子直流负载主要用于模拟实际负载情况，对电源设备进行测试和调试，以确保电源设备的可靠性和稳定性。电子直流负载的过流故障常常导致元器件损坏，甚至引发安全事故。因此，对电子直流负载过流进行预测，对于保障电子设备稳定运行和设备安全具有重要意义。
技术实现思路
1、本发明目的是提供一种高效的电子直流负载过流预测方法，通过预测电子直流负载过流，有助于减少因电子设备故障导致的停机时间，降低生产成本，提高经济效益。
2、为解决上述技术问题，本发明提供了基于多维感知特征提取的电子直流负载过流预测方法，包括：
3、采用奇异值分解方法对电子直流负载的采样信号进行去噪，得到一维去噪信号；
4、将一维去噪信号采用马尔可夫变迁场转化为二维图像；
5、基于双尺度柔性域感知模块，从二维图像中分别提取通道感知特征和空间感知特征；
6、采用自适应特征融合模块将通道感知特征和空间感知特征进行融合，得到感知故障特征；
7、采用域不变原型双分类器，基于感知故障特征进行预测性电路过流报警。
8、可选地，所述采用奇异值分解方法对电子直流负载的采样信号进行去噪，得到一维去噪信号，包括：
9、将采样信号构造成hankel矩阵，对hankel矩阵进行奇异值分解，得到奇异值和对应的奇异向量，选择前k个最大的奇异值重构hankel矩阵，从重构后的hankel矩阵中提取对角线元素，得到一维去噪信号。
10、可选地，所述将一维去噪信号采用马尔可夫变迁场转化为二维图像，包括：
11、将一维去噪信号分割成g个分位箱，计算每个分位箱之间的转移频率，通过转移频率建立状态转移矩阵，通过状态转移矩阵构建马尔可夫变迁场，得到二维图像。
12、可选地，所述基于双尺度柔性域感知模块，从二维图像中分别提取通道感知特征和空间感知特征，包括：
13、将二维图像作为双尺度柔性域感知模块的输入，双尺度柔性域感知模块由通道域感知模块和空间域感知模块组成，通道域感知模块通过全局平均池化将二维图像的全局空间信息嵌入到通道，提取通道感知特征，空间域感知模块通过组规范获得二维图像的空间统计信息，提取空间感知特征。
14、可选地，所述采用自适应特征融合模块将通道感知特征和空间感知特征进行融合，得到感知故障特征，包括：
15、将通道感知特征和空间感知特征分别作为自适应特征融合模块的输入，通过上采样和卷积将通道感知特征和空间感知特征调整成尺寸一致和通道数相同的特征图，通过各自的权重系数进行加权求和,得到融合后的感知故障特征。
16、可选地，所述采用域不变原型双分类器，基于感知故障特征进行预测性电路过流报警，包括：
17、采用域不变原型双分类器对齐源域和目标域之间的分布，计算目标域待测样本与域不变原型之间的相似度，将感知故障特征输入所述双分类器，对电子直流负载电路进行预测性过流报警。
18、本发明提出了基于多维感知特征提取的电子直流负载过流预测方法，采用奇异值分解方法对采样信号进行去噪，是为了后续提取故障特征的关键技术；通过马尔可夫变迁场转化为二维图像，为后续的图像处理和特征提取提供了直观的视觉基础，同时也便于应用更丰富的图像处理算法；引入双尺度柔性域感知模块，通过通道感知特征提取和空间感知特征提取，深入理解采样信号的内在结构和变化模式；采用自适应特征融合方法，进一步融合通道感知特征和空间感知特征，形成更为全面和准确的故障特征表示；采用域不变原型双分类器，基于感知故障特征进行预测性电路过流报警，实现电子直流负载过流故障的早期预警。
1.基于多维感知特征提取的电子直流负载过流预测方法，其特征在于，包括：
2.如权利要求1中所述的电子直流负载过流预测方法，其特征在于，采用奇异值分解方法对电子直流负载的采样信号进行去噪，得到一维去噪信号，包括：
3.如权利要求1中所述的电子直流负载过流预测方法，其特征在于，将一维去噪信号采用马尔可夫变迁场转化为二维图像，包括：
4.如权利要求1中所述的电子直流负载过流预测方法，其特征在于，基于双尺度柔性域感知模块，从二维图像中分别提取通道感知特征和空间感知特征，包括：
5.如权利要求1中所述的电子直流负载过流预测方法，其特征在于，采用自适应特征融合模块将通道感知特征和空间感知特征进行融合，得到感知故障特征，包括：
6.如权利要求1中所述的电子直流负载过流预测方法，其特征在于，采用域不变原型双分类器，基于感知故障特征进行预测性电路过流报警，包括：
