基于改进模糊聚类和支持向量机的模拟电路故障诊断

发布时间：2017-12-15 02:31

  本文关键词：基于改进模糊聚类和支持向量机的模拟电路故障诊断

  更多相关文章： 模糊聚类 支持向量机 模拟电路 故障诊断

【摘要】：为解决神经网络训练需要大量的样本,且容易陷入局部最优,收敛速度慢等缺点,采用改进模糊聚类(IFC)和支持向量机(SVM)相结合的模拟电路故障诊断方法。利用小波分解技术提取待诊断电路的测试信息作为故障特征,在模糊聚类算法中为消除孤立点和噪声的影响,对不同样本点引入权值以提高聚类效果,结合改进的模糊聚类算法进一步降低故障特征的维数,将其作为支持向量机的输入量,进行模型训练并预测模拟电路的故障。仿真结果表明,此方法应用于电路故障诊断有效削减计算复杂度并提高了诊断精度。
【作者单位】： 芜湖职业技术学院电气工程学院;安徽工程大学电气工程学院;
【基金】：安徽省教育厅自然科学研究重点项目(KJ2016A767) 芜湖职业技术学院自然科学项目(Wzyzr201618)
【分类号】：TN710;TP18
【正文快照】： 随着大规模集成电路复杂度和集成度的迅速增加,同时受电路故障模式多样化、元器件的容差等因素的影响,而容差模拟电路的故障特征样本具有非线性、数据维数高等特点,且非线性问题的求解比较困难,其计算工作量大建模困难,这些因素使得模拟电路故障诊断的难度越来越大[1_2]。在模

【相似文献】

中国期刊全文数据库 前1条

1 李鹏;陈忠一;;一种基于模糊聚类的故障诊断方法[J];现代电子技术;2010年23期

中国重要会议论文全文数据库 前1条

1 顾峥;康晓文;孙熙杉;吴朝霞;王石;刘亚强;金永杰;;基于模糊聚类的MicroPET前端探测器晶体像素单元识别方法[A];第十四届全国核电子学与核探测技术学术年会论文集（下册）[C];2008年

，

本文编号：1290317