基于HHT和SVDD的模拟电路故障诊断研究

发布时间：2018-05-02 12:36

  本文选题：模拟电路 + 故障诊断　； 参考：《计算机技术与发展》2015年07期

【摘要】：针对模拟电路故障信号的容差性、非线性、非平稳性等检测困难问题,提出适合处理这类信号的希尔伯特黄变换算法(Hilbert Huang Transform,HHT),但信号特征提取产生虚假分量和模态混叠等不足。基于此,文中分别提出相关系数法和集合经验模式分解法进行改进。核函数和内核参数决定不同性能的支持向量数据描述(Support Vector Data Describe,SVDD),寻找最优内核参数,选择合适的核函数并构造多核函数优化SVDD算法。文中首先用改进HHT提取联合故障特征向量,然后训练优化后的SVDD分类器,最后将数据输入SVDD中进行检测,能有效地诊断电路故障,并具有较高准确率。
[Abstract]:Aiming at the difficulty of detecting fault signals in analog circuits, such as tolerance, nonlinearity and nonstationarity, a Hilbert Huang transform algorithm is proposed, which is suitable for processing this kind of signals. However, the feature extraction of signals has some shortcomings such as false components and modal aliasing. Based on this, the correlation coefficient method and the set empirical mode decomposition method are proposed respectively. The support vector data description of support Vector Data description based on kernel function and kernel parameter determines different performance. The best kernel parameter is found, the appropriate kernel function is selected and the multi-kernel function is constructed to optimize the SVDD algorithm. In this paper, the improved HHT is first used to extract the joint fault feature vector, and then the optimized SVDD classifier is trained. Finally, the data is input into the SVDD for detection, which can effectively diagnose the circuit fault and has a high accuracy.
【作者单位】： 南京邮电大学电子科学与工程学院;太原理工大学计算机科学与技术学院;
【基金】：国家自然科学基金资助项目(GZ212015)
【分类号】：TN710

【参考文献】

相关期刊论文 前8条

1 何怡刚;祝文姬;周炎涛;刘美容;;基于粒子群算法的模拟电路故障诊断方法[J];电工技术学报;2010年06期

2 罗慧;王友仁;;基于GSM_SVDD的模拟电路故障诊断方法[J];电机与控制学报;2013年01期

3 马岚;王厚军;;基于复互小波分析的模拟电路故障诊断方法[J];电子科技大学学报;2013年03期

4 蔡金燕;杜敏杰;;多分类SVDD混叠域识别新方法与故障诊断应用[J];航天控制;2012年06期

5 李凌均;巩晓峗;张恒;韩捷;;基于全矢谱和动态支持向量数据描述的滚动轴承故障诊断研究[J];机械强度;2013年02期

6 宋国明;王厚军;姜书艳;刘红;;一种聚类分层决策的SVM模拟电路故障诊断方法[J];仪器仪表学报;2010年05期

7 蒋玲莉;刘义伦;李学军;杨大炼;;小波包去噪与改进HHT的微弱信号特征提取[J];振动.测试与诊断;2010年05期

8 孙健;王成华;;基于mRMR原则和优化SVM的模拟电路故障诊断[J];仪器仪表学报;2013年01期

【共引文献】

相关期刊论文 前10条

1 罗沛清;梁青阳;江钦龙;孙哲;;基于分层聚类的支持向量机模拟电路故障诊断[J];四川兵工学报;2011年09期

2 赵丽爽;李文海;雷禹;;兼容多标准的高性能驱动电路的设计[J];电子测量技术;2011年02期

3 倪渊;林健;;基于Choquet模糊积分SVM集成及其实证研究[J];工业工程;2012年02期

4 徐兰;方志耕;刘思峰;;基于粒子群BP神经网络的质量预测模型[J];工业工程;2012年04期

5 王东;王新晴;梁升;赵洋;朱会杰;;基于数学形态学的流量传感器信号去噪研究[J];传感技术学报;2012年08期

6 刘任洋;吴文全;李超;马龙;;HMM-SVM混合模型在模拟电路故障诊断中的应用[J];电光与控制;2013年02期

7 伞冶;石慧姝;郭珂;;核方法及其在模拟电路故障诊断中的研究进展[J];电子测量技术;2013年01期

8 胡梅;胡列峰;明德祥;;模拟电路统一软故障诊断的研究[J];电子测量与仪器学报;2013年11期

9 刘晓明;赵洋;曹云东;侯春光;王丽君;;基于小波变换的交流系统串联电弧故障诊断[J];电工技术学报;2014年01期

10 胡沁春;何怡刚;何静;;基于开关电流电路的时域高斯类小波变换实现[J];广西师范大学学报(自然科学版);2013年04期

相关会议论文 前1条

1 ;Feature Extraction and Recognition of Analog Circuit Fault Signal Based on Wavelet Transform and Partial Singular Values Decomposition[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

相关博士学位论文 前10条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年

3 刘丽霞;基于小波理论与LSSVM的模拟集成电路故障诊断方法[D];西安电子科技大学;2011年

4 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

5 姜恩宇;基于直肠感知功能重建的人工括约肌系统研究[D];上海大学;2013年

6 王旭红;异步电机定子绕组匝间故障诊断方法研究[D];湖南大学;2012年

7 陈晖;基于多源信息融合的大型水压机故障诊断与状态评估研究[D];中南大学;2012年

8 徐兰;基于MAS的复杂质量结构产品质量设计模型研究[D];南京航空航天大学;2012年

9 刘小平;提升机故障智能诊断理论及应用[D];中国矿业大学;2013年

10 石磊;基于ANN的颈脊髓损伤和股骨转子间骨折预后预测研究[D];大连海事大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 徐涛;王祁;;基于小波包神经网络的传感器故障诊断方法[J];传感技术学报;2006年04期

2 王安娜;邱增;吴洁;曲福明;;基于SVM多类分类算法的模拟电路软故障诊断[J];东北大学学报(自然科学版);2008年07期

3 蔡金，

本文编号：1833969