文献类型：期刊文章

作　　者：高坤[1,2] 何怡刚[1,3] 谭阳红[1] 薄祥雷[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

出　　处：《计算机工程与应用》

基　　金：国家杰出青年科学基金(No.50925727);国防科技计划项目(No.C1120110004;No.9140A27020211DZ5102);教育部科学技术研究重大项目(No.313018);安徽省科技计划重点项目(No.1301022036);湖南省科技计划项目(No.2010J4;No.2011JK2023;No.2013GK3096);教育厅科学研究项目(No.11C0606);湖南省青年骨干教师基金;国家自然科学基金(No.61102039);湖南省自然科学基金(No.14JJ7029)

年　　份：2016

卷　　号：52

期　　号：9

起止页码：248-252

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高模拟电路故障诊断特征信息提取的完整性,实现故障模式分类的准确性,达到网络训练测试的快速性,提出了一种基于主成分分析(Principal Components Analysis,PCA)和极限学习机(ELM)相结合的模拟电路故障诊断新方法。在OrCAD16.3中通过设置仿真模拟电路元器件参数及其容差,获得电路各状态的MonteCarlo样本数据,经PCA降维提取特征信息以获得最优的特征模式,继而采用ELM对故障进行分类识别。以Sallen-Key带通滤波器电路为实例进行仿真研究,结果表明该方法具有特征提取效果好,神经网络训练学习速度快,故障诊断效率高,泛化性能好等特点。

关 键 词：主成分分析 极限学习机 容差 特征提取  故障诊断  

分 类 号：TP39]