本文關(guān)鍵詞：基于改進(jìn)模糊聚類和支持向量機(jī)的模擬電路故障診斷

  更多相關(guān)文章： 模糊聚類 支持向量機(jī) 模擬電路 故障診斷

【摘要】：為解決神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要大量的樣本,且容易陷入局部最優(yōu),收斂速度慢等缺點(diǎn),采用改進(jìn)模糊聚類(IFC)和支持向量機(jī)(SVM)相結(jié)合的模擬電路故障診斷方法。利用小波分解技術(shù)提取待診斷電路的測(cè)試信息作為故障特征,在模糊聚類算法中為消除孤立點(diǎn)和噪聲的影響,對(duì)不同樣本點(diǎn)引入權(quán)值以提高聚類效果,結(jié)合改進(jìn)的模糊聚類算法進(jìn)一步降低故障特征的維數(shù),將其作為支持向量機(jī)的輸入量,進(jìn)行模型訓(xùn)練并預(yù)測(cè)模擬電路的故障。仿真結(jié)果表明,此方法應(yīng)用于電路故障診斷有效削減計(jì)算復(fù)雜度并提高了診斷精度。
【作者單位】： 蕪湖職業(yè)技術(shù)學(xué)院電氣工程學(xué)院;安徽工程大學(xué)電氣工程學(xué)院;
【基金】：安徽省教育廳自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2016A767) 蕪湖職業(yè)技術(shù)學(xué)院自然科學(xué)項(xiàng)目(Wzyzr201618)
【分類號(hào)】：TN710;TP18
【正文快照】： 隨著大規(guī)模集成電路復(fù)雜度和集成度的迅速增加,同時(shí)受電路故障模式多樣化、元器件的容差等因素的影響,而容差模擬電路的故障特征樣本具有非線性、數(shù)據(jù)維數(shù)高等特點(diǎn),且非線性問(wèn)題的求解比較困難,其計(jì)算工作量大建模困難,這些因素使得模擬電路故障診斷的難度越來(lái)越大[1_2]。在模

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 李鵬;陳忠一;;一種基于模糊聚類的故障診斷方法[J];現(xiàn)代電子技術(shù);2010年23期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 顧崢;康曉文;孫熙杉;吳朝霞;王石;劉亞強(qiáng);金永杰;;基于模糊聚類的MicroPET前端探測(cè)器晶體像素單元識(shí)別方法[A];第十四屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

，

本文編號(hào)：1290317