文献类型：期刊文章

作　　者：高坤[1,2] 何怡刚[1,3] 薄祥雷[4] 谭阳红[1] 童耀南[1]

机构地区：[1]湖南大学电气与信息工程学院,长沙410082 [2]湖南科技职业学院电子信息工程与技术系,长沙410004 [3]合肥工业大学电气与自动化学院,合肥230009 [4]蚌埠汽车士官学校运输勤务系,蚌埠233011

出　　处：《仪器仪表学报》

基　　金：国家杰出青年科学基金(50925727);国防科技计划项目(C1120110004;9140A27020211DZ5102);教育部科学技术研究重大项目(313018);安徽省科技计划重点项目(1301022036);湖南省科技计划项目(2010J4;2011JK2023;2013GK3096);教育厅科学研究项目(11C0606);国家自然基金(61102039);湖南省自然科学基金(14JJ7029);中央高校基金项目资助

年　　份：2015

卷　　号：36

期　　号：1

起止页码：126-133

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20151100627482)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：主成分分析属于代数特征分析方法,是一种线性映射方法,降维后的表示是由线性映射生成的,更主要的信息保留在投影空间里,而剩余的信息则被过滤掉,但保留的信息是一体的,而不是每个特征向量分别表示一个主成分,在一定程度上影响了PCA方法的效果。提出了一种基于共空间模式对主成分方法改进的模拟电路故障诊断方法。此方法利用CSP算法对PCA得到的特征向量进行处理,然后将得到的主成分输入到超限学习机以进行网络训练或故障判断。通过Sallen-Key带通滤波器电路的实例,结果表明该研究方法的有效性。

关 键 词：共空间模式  主成分分析 超限学习机  特征提取 故障诊断

分 类 号：TH165.3] TN711]