一种LMD和近似熵算法的模拟电路特征提取方法

摘要：

针对模拟电路故障信号的非线性和非平稳性,提出了用局域均值分解(Local mean decomposition,LMD)和近似熵算法对模拟电路进行特征提取的方法.利用LMD算法把电路故障信号分解为一系列乘积函数(Product functions,PF),再选取前3个PF分量,求它们的近似熵,作为故障的特征向量.电路发生不同故障时,其输出响应信号的复杂度不同,经LMD分解后的PF分量的复杂度就更不相同,而近似熵可以表征时间序列的复杂度,故用LMD加近似熵可以有效提取故障电路的信息.在对故障进行分类判别时,使用核Fisher判别分析,得出各故障的诊断精度.仿真结果显示,本文的特征提取方法在改善故障电路特征的同时提高了诊断准确度,平均分类精度为97.86％.

关键词：局域均值分解、近似熵、复杂度、故障诊断、核Fisher

所属期刊栏目：37

分类号：TH133.3

资助基金：国家自然科学基金项目GZ212015

在线出版日期：2018-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1431-1436