一种聚类分层决策的SVM模拟电路故障诊断方法

摘要：

支持向量机用于模拟电路多种故障诊断时,其多分类扩展策略与诊断的效率和正确率密切相关.本文提出模糊聚类与支持向量机集成的算法,通过分析电路故障特征数据的空间分布特性,以多级二叉树结构的SVM实现故障的分级诊断.通过对各故障模式两种小波特征的逐次聚类二分获得二叉树,根据F测度为每个节点的SVM选择具有最大分类间隔的故障子类及特征,避免了不可分故障区域的出现,从而优化了SVM的组合策略.采用该方法组建的SVM结构简单,在滤波器电路的故障诊断中获得良好的效果.与几种常用的SVM方法相比,本文方法有效地提高了故障诊断的精度和效率.

关键词：模拟电路、故障诊断、模糊聚类、支持向量机、分层决策

所属期刊栏目：31

分类号：TP183;TN707(自动化基础理论)

资助基金：国防基础科研项目A1420061264;国家自然科学基金项目60673011

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：998-1004