10.16208/j.issn1000-7024.2016.11.038
基于BAPSO-LSSVM的故障诊断算法
针对模拟电路故障诊断样本高维复杂性带来诊断正确率低及时延过大的问题,提出一种基于 Volterra 级数与优化最小二乘支持向量机相结合的诊断方法。将 Volterra级数在电路故障特征提取方面的充分性,与经改进粒子群算法(BAP-SO)优化后的最小二乘支持向量机故障分类可靠性相结合,达到提升模拟电路故障诊断准确性与时效性的目的。Sallen-Key带通滤波器电路仿真结果表明,该算法较现有BP神经网络、最小二乘支持向量机故障诊断算法在准确率方面得到了提升,在诊断时间方面的优势随样本数量增多而增大。
模拟电路、故障诊断、Volterra级数、最小二乘支持向量机、粒子群
37
TP183(自动化基础理论)
陕西省自然科学基础研究计划基金项目2014JM8344
2016-11-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
3075-3079