10.3778/j.issn.1002-8331.1406-0374
主成分分析和超限学习机的模拟电路故障诊断
为提高模拟电路故障诊断特征信息提取的完整性,实现故障模式分类的准确性,达到网络训练测试的快速性,提出了一种基于主成分分析(Principal Components Analysis,PCA)和极限学习机(ELM)相结合的模拟电路故障诊断新方法.在OrCAD16.3中通过设置仿真模拟电路元器件参数及其容差,获得电路各状态的MonteCarlo样本数据,经PCA降维提取特征信息以获得最优的特征模式,继而采用ELM对故障进行分类识别.以Sallen-Key带通滤波器电路为实例进行仿真研究,结果表明该方法具有特征提取效果好,神经网络训练学习速度快,故障诊断效率高,泛化性能好等特点.
主成分分析、极限学习机、容差、特征提取、故障诊断
52
TP39(计算技术、计算机技术)
国家杰出青年科学基金50925727;国防科技计划项目C1120110004,9140A27020211DZ5102;教育部科学技术研究重大项目313018;安徽省科技计划重点项目1301022036;湖南省科技计划项目2010J4,2011JK2023,2013GK3096;教育厅科学研究项目11C0606;湖南省青年骨干教师基金;国家自然科学基金61102039;湖南省自然科学基金14JJ7029
2016-07-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
248-252
