文献类型：期刊文章

作　　者：孙李阔[1] 王代强[2]

SUN Likuo;WANG Daiqiang(School of Big Data & Information Engineering,Guizhou University,Guiyang 550025,China;School of Mechanical and Electronic Enginnering,Guizhou Minzu University,Guiyang 550025,China)

机构地区：[1]贵州大学大数据与信息工程学院,贵州贵阳550025 [2]贵州民族大学机械电子工程学院,贵州贵阳550025

出　　处：《电子科技》

基　　金：国家自然科学基金(11564005);贵州省教育厅创新群体重大研究项目(黔教合KY字[2017]035);贵州省功率元器件重点实验室项目基金(KFJJ201501)~~

年　　份：2019

卷　　号：32

期　　号：6

起止页码：26-30

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、RCCSE、普通刊

摘　　要：针对模拟电路的软故障,文中提出了一种基于改进Elman神经网络与提高特征向量有效性相结合的诊断方法。该方法对不同情况下的输出信号进行3次小波分析,形成8维的特征向量,再与改进的Elman神经网络结合进行分类与诊断。将改进Elman神经网络应用于非线性模拟电路故障诊断中可提高其诊断率与分类率。文中对其诊断方法进行了实验对比测试,结果表明,该方法提高了诊断性能,其诊断率与分类率分别为92.5%和83%。

关 键 词：软故障 ELMAN神经网络 特征向量 小波分析 故障诊断 分类率  

分 类 号：TP183]