基于DBN特征提取的模拟电路早期故障诊断方法
针对当前模拟电路早期故障诊断中特征提取方法的不足,提出了应用深度置信网络(deep belief network,DBN)进行特征提取的方法.利用混沌粒子群优化算法,对DBN中受限玻尔兹曼机的学习率开展优化,进一步提升特征提取的性能.相比于其他常用的特征提取方法,提出的DBN特征提取方法可提取出早期故障深度和本质的特征,且具有相同的故障聚集程度高、不同故障的分离能力极为明显的特点.应用二级四运放双二阶低通滤波器仿真电路和Sallen-Key带通滤波器电路板进行早期故障诊断实验,得到的故障诊断正确率分别为98.13％和100％.
模拟电路、早期故障诊断、深度置信网络、特征提取、混沌粒子群优化
40
TH707(仪器、仪表)
国家自然科学基金;国家自然科学基金重点项目;国家重点研发计划“重大科学仪器设备开发”;装备预先研究重点项目
2020-04-26（万方平台首次上网日期，不代表论文的发表时间）
共8页
112-119
