文献类型：期刊文章

作　　者：王力[1] 贾欣雨[2]

WANG Li;JIA Xinyu(College of Vocational Technology,Civil Aviation University of China,Tianjin 300300,China;School of Electronic Information and Automation,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学职业技术学院,天津300300 [2]中国民航大学电子信息与自动化学院,天津300300

出　　处：《江苏大学学报（自然科学版）》

基　　金：国家自然科学基金委员会与中国民用航空局联合基金资助项目(U1733119)。

年　　份：2023

卷　　号：44

期　　号：2

起止页码：221-228

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对模拟电路输出信号存在的非线性、高维数等特点所带来的诊断困难问题,提出一种支持向量机(SVM)分类器参数优化算法,进行模拟电路故障诊断.首先,运用S变换与灰度共生矩阵(GLCM)组合方法S-GLCM,对电路输出信号进行故障特征提取.其次,采用粒子群算法(PSO)与粒子滤波算法(PF)融合,通过重采样实时更新粒子的位置和速度,对SVM参数进行高效寻优,并将特征向量代入模型中进行训练和测试,完成对电路各故障模式的高精度故障诊断.最后,通过两个国际基准电路试验对该方法进行可靠性分析.试验结果表明:S-GLCM在处理非线性、非平稳信号时表现出很大优势,将电路输出信号每组1500个采样点降为8维特征向量,减少冗余信息;该SVM分类器参数优化算法的诊断准确率较未优化算法提升约11.2%.

关 键 词：模拟电路 故障诊断  特征提取  支持向量机  参数优化

分 类 号：TM72] TN707]