文献类型：期刊文章

作　　者：刘美容[1] 刘津涛[1,2] 何怡刚[3]

Liu Meirong;Liu Jintao;He Yigang(School of Physics and Electronics,Hunan Normal University,Changsha 410081,China;Hunan Yueyang TV Station,Yueyang 414000,China;School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China)

机构地区：[1]湖南师范大学物理与电子科学学院,长沙410081 [2]湖南岳阳电视转播台,岳阳414000 [3]武汉大学电气与自动化学院,武汉430072

出　　处：《电子测量技术》

基　　金：国家重点研发计划“重大科学仪器设备开发”项目(2016YFF0102200);国家自然科学基金面上项目(51977153)资助。

年　　份：2021

卷　　号：44

期　　号：4

起止页码：51-56

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：根据当今模拟电路高集成度、非线性以及易受环境影响等特点,提出一种基于经验模态分解(EMD)结合复合多尺度熵(CMSE)的故障特征提取新方法。首先通过仿真获得电路的输出信号,然后使用经验模态分解,将原始信号分解为有限个固有模态分量以及一个残余分量。再利用复合多尺度熵算法,分别计算出这些固有模态分量在不同时间尺度下的样本熵值,并据此构造能反映电路故障的特征向量。最后,构造BP神经网络,输入这些故障特征向量进行训练和测试,诊断出电路的故障类别。实验结果表明,该方法能将电路中表征故障的特征参数有效的提取出来,对电路的单故障识别有着较高的正确率。

关 键 词：模拟电路 故障诊断 经验模态分解 复合多尺度熵  神经网络

分 类 号：TP206] TN707]