期刊文章详细信息
文献类型:期刊文章
Zhang Chaolong He Yigang Yuan Lifen Li Zhigang Xiang Sheng(School of Electrical Engineering and Automation, Hefei University of Technology, Hefei 230009, China School of Physics and Electrical Engineering, Anqing Normal University, Anqing 246011, China)
机构地区:[1]合肥工业大学电气与自动化工程学院,合肥230009 [2]安庆师范大学物理与电气工程学院,安庆246011
基 金:国家自然科学基金重点项目(51637004);国家自然科学基金(51577046;51607004);国家重点研发计划"重大科学仪器设备开发"(2016YFF0102200);安徽省科技计划重点项目(1301022036);安徽省自然科学基金(1608085QF157);安徽省高校优秀青年人才支持计划重点项目(gxyq ZD2016207);安徽省高等学校自然科学研究重点项目(KJ2016A431)资助
年 份:2016
卷 号:37
期 号:9
起止页码:1989-1995
语 种:中文
收录情况:BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号:20164402959840)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊
摘 要:提出了一种新颖的基于广义多核支持向量机(GMKL-SVM)的模拟电路故障诊断方法。首先,应用Haar小波分析提取被测电路时域响应信号的小波系数作为特征参量,并生成样本数据;然后,基于样本数据,应用量子粒子群算法对GMKL-SVM的参数进行优化,并以此建立基于GMKL-SVM的故障诊断模型,用于区分模拟电路的各个故障。实例电路的单故障和双故障诊断实验结果表明,所提出的GMKL-SVM方法能较好地实现模拟电路故障诊断,与传统的GMKL-SVM方法相比,表现出了更好的性能,获得了更高的故障诊断正确率。
关 键 词:模拟电路 故障诊断 小波变换 广义多核支持向量机 量子粒子群算法
分 类 号:TH707[仪器类]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...