文献类型：期刊文章

作　　者：宋国明[1,2] 王厚军[1] 姜书艳[1] 刘红[1,3]

机构地区：[1]电子科技大学自动化工程学院,成都610054 [2]成都电子机械高等专科学校计算机工程系,成都610031 [3]长春理工大学计算机学院,长春130022

出　　处：《仪器仪表学报》

基　　金：国防基础科研项目(A1420061264);国家自然科学基金项目(60673011)资助

年　　份：2010

卷　　号：31

期　　号：5

起止页码：998-1004

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI(收录号：20102713063087)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：支持向量机用于模拟电路多种故障诊断时,其多分类扩展策略与诊断的效率和正确率密切相关。本文提出模糊聚类与支持向量机集成的算法,通过分析电路故障特征数据的空间分布特性,以多级二叉树结构的SVM实现故障的分级诊断。通过对各故障模式两种小波特征的逐次聚类二分获得二叉树,根据F测度为每个节点的SVM选择具有最大分类间隔的故障子类及特征,避免了不可分故障区域的出现,从而优化了SVM的组合策略。采用该方法组建的SVM结构简单,在滤波器电路的故障诊断中获得良好的效果。与几种常用的SVM方法相比,本文方法有效地提高了故障诊断的精度和效率。

关 键 词：模拟电路 故障诊断 模糊聚类 支持向量机 分层决策  

分 类 号：TP183] TN707]