文献类型：期刊文章

作　　者：张朝龙[1,2] 何怡刚[1] 杜博伦[1]

Zhang Chaolong;He Yigang;Du Bolun(School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;School of Physics and Electronic Engineering,Anqing Normal University,Anqing 246011,China)

机构地区：[1]武汉大学电气与自动化学院,武汉430072 [2]安庆师范大学物理与电气工程学院,安庆246011

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51607004,51977153,51577046);国家自然科学基金重点项目(51637004);国家重点研发计划“重大科学仪器设备开发”(2016YFF0102200);装备预先研究重点项目(41402040301)资助

年　　份：2019

卷　　号：40

期　　号：10

起止页码：112-119

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对当前模拟电路早期故障诊断中特征提取方法的不足,提出了应用深度置信网络(deep belief network,DBN)进行特征提取的方法。利用混沌粒子群优化算法,对DBN中受限玻尔兹曼机的学习率开展优化,进一步提升特征提取的性能。相比于其他常用的特征提取方法,提出的DBN特征提取方法可提取出早期故障深度和本质的特征,且具有相同的故障聚集程度高、不同故障的分离能力极为明显的特点。应用二级四运放双二阶低通滤波器仿真电路和Sallen-Key带通滤波器电路板进行早期故障诊断实验,得到的故障诊断正确率分别为98.13%和100%。

关 键 词：模拟电路 早期故障诊断  深度置信网络  特征提取 混沌粒子群优化

分 类 号：TH707[仪器类]