优化的极限学习机模拟电路故障诊断研究
发布时间：2021-05-11 22:41
随着当今智能电子产品的快速发展和渗透社会的各个方面,由此电路系统检测与诊断已成为极具研究价值的战略性课题。电路系统中模拟电路集成度越来越高,一旦发生故障将导致电路系统的瘫痪。模拟电路的非线性和容差性的问题使得传统的诊断方法和理论研究难以满足当下电路故障诊断需求,因此研究适用的和有效的模拟电路故障诊断方法显得尤为重要和急迫。随着群体算法和人工智能的迅速发展,为诊断理论和方法提供了新的有效途径。本文借此,以通用电路为对象分别从故障特征参数的提取、选择和故障分类器等方面进行研究,主要的研究工作和成果如下:（1）故障特征参数集提取和选择的研究。在故障特征参数集选择方面,本文采用自适应遗传算法（Adaptive Genetic Algorithm,AGA）,AGA作为一种启发式搜索算法在最优化问题具有良好的效果。为保证特征参数之间的相关性,算法中适应度函数遵循散布矩阵规则,针对特征参数采样点的提取的原始特征参数采用二进制编码。通过实验验证在处理低维数据时拥有良好的效果。为了不局限于低维故障特征参数的处理能力,本文引入深度学习理论和方法。在高维特征参数提取方面进行了研究,利用深度学习网络稀疏自动编...
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
§1.1 模拟电路故障诊断背景及研究意义
§1.2 国内外研究现状
§1.2.1 国外研究现状
§1.2.2 国内研究现状
§1.3 模拟电路故障诊断的困难
§1.4 本文主要研究内容和结构安排
§1.4.1 本文主要研究内容
§1.4.2 本文体系结构
第二章 AGA在模拟电路特征选择中的研究
§2.1 遗传算法
§2.1.1 遗传算法概述
§2.1.2 遗传算法实现
§2.2 自适应遗传算法
§2.2.1 自适应遗传算法概述
§2.2.2 自适应遗传算法特点
§2.2.3 特征选择方法研究
§2.3 本章小结
第三章 基于PSO-SAE模拟电路特征提取研究
§3.1 粒子群算法
§3.2 堆叠自动编码机概述
§3.2.1 自动编码机概述
§3.2.2 堆叠自动编码构造模型
§3.2.3 堆叠自动编码机特征提取方法研究
§3.3 PSO-SAE网络模型研究
§3.3.1 PSO优化SAE的方法研究
§3.3.2 特征提取网络算法
§3.4 本章小结
第四章 基于AWPA-ELM模拟电路故障诊断研究
§4.1 狼群算法概述
§4.2 自适应狼群算法概述
§4.2.1 狼群算法的优缺点
§4.2.2 自适应狼群算法模型研究
§4.3 极限学习机
§4.3.1 ELM概述
§4.3.2 ELM基本应用步骤
§4.3.3 ELM基本特点
§4.4 AWPA-ELM分类器研究
§4.4.1 AWPA优化ELM的方法研究
§4.4.2 分类器网络算法
§4.5 模拟电路实例论证
§4.5.1 实例电路 1
§4.5.2 实例电路 2
§4.5.3 实例电路 3
§4.6 本章小结
第五章 总结与展望
§5.1 本文工作总结
§5.2 研究展望
参考文献
致谢
作者在攻读硕士期间主要研究成果
【参考文献】：
期刊论文
[1]MRA-PCA-PSO组合优化BP神经网络模拟电路故障诊断研究[J]. 马峻,赵飞乐,徐潇,陈寿宏. 电子测量与仪器学报. 2018(03)
[2]基于自适应和变游走方向的改进狼群算法[J]. 郭立婷. 浙江大学学报(理学版). 2018(03)
[3]改进粒子群算法优化的SVM模拟电路故障诊断[J]. 梅恒荣,殷礼胜,刘冬梅,何怡刚,袁莉芬,赵丽欣,陈鹏,赵蓓蕾,任帅. 电子测量与仪器学报. 2017(08)
[4]基于小波变换和CFA-LSSVM模拟电路故障诊断[J]. 谈恩民,王存存,张欣然. 电子测量与仪器学报. 2017(08)
[5]基于LMD多尺度熵和极限学习机的模拟电路故障诊断[J]. 刘美容,曾黎,何怡刚,李向新. 电子测量与仪器学报. 2017(04)
[6]一种模拟电路故障诊断方法研究[J]. 刘琳. 现代电子技术. 2017(06)
[7]因子分析和ELM在模拟电路故障诊断的应用[J]. 邓勇,于晨松. 电子测量与仪器学报. 2016(10)
[8]一种狼群智能算法及收敛性分析[J]. 薛俊杰,王瑛,李浩,肖吉阳. 控制与决策. 2016(12)
[9]基于GMKL-SVM的模拟电路故障诊断方法[J]. 张朝龙,何怡刚,袁莉芬,李志刚,项胜. 仪器仪表学报. 2016(09)
[10]基于小波和ELM的电路故障诊断方法研究[J]. 程文韬,邓芳明,郝勇,吴翔,付智辉. 仪表技术与传感器. 2016(07)
硕士论文
[1]基于行为级模型的电路故障诊断方法研究[D]. 李琦.电子科技大学 2018
[2]基于自适应遗传算法的整车主动悬架自抗扰控制研究[D]. 王凯.吉林大学 2017
[3]遗传算法的改进及其应用[D]. 李国煌.华北电力大学 2016
[4]Pipeline ADC行为模型建模与仿真[D]. 唐立军.电子科技大学 2009
[5]遗传算法的改进及其应用[D]. 梁芳.武汉理工大学 2008
[6]遗传算法的研究与应用[D]. 田延硕.电子科技大学 2004
本文编号：3182237
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
§1.1 模拟电路故障诊断背景及研究意义
§1.2 国内外研究现状
§1.2.1 国外研究现状
§1.2.2 国内研究现状
§1.3 模拟电路故障诊断的困难
§1.4 本文主要研究内容和结构安排
§1.4.1 本文主要研究内容
§1.4.2 本文体系结构
第二章 AGA在模拟电路特征选择中的研究
§2.1 遗传算法
§2.1.1 遗传算法概述
§2.1.2 遗传算法实现
§2.2 自适应遗传算法
§2.2.1 自适应遗传算法概述
§2.2.2 自适应遗传算法特点
§2.2.3 特征选择方法研究
§2.3 本章小结
第三章 基于PSO-SAE模拟电路特征提取研究
§3.1 粒子群算法
§3.2 堆叠自动编码机概述
§3.2.1 自动编码机概述
§3.2.2 堆叠自动编码构造模型
§3.2.3 堆叠自动编码机特征提取方法研究
§3.3 PSO-SAE网络模型研究
§3.3.1 PSO优化SAE的方法研究
§3.3.2 特征提取网络算法
§3.4 本章小结
第四章 基于AWPA-ELM模拟电路故障诊断研究
§4.1 狼群算法概述
§4.2 自适应狼群算法概述
§4.2.1 狼群算法的优缺点
§4.2.2 自适应狼群算法模型研究
§4.3 极限学习机
§4.3.1 ELM概述
§4.3.2 ELM基本应用步骤
§4.3.3 ELM基本特点
§4.4 AWPA-ELM分类器研究
§4.4.1 AWPA优化ELM的方法研究
§4.4.2 分类器网络算法
§4.5 模拟电路实例论证
§4.5.1 实例电路 1
§4.5.2 实例电路 2
§4.5.3 实例电路 3
§4.6 本章小结
第五章 总结与展望
§5.1 本文工作总结
§5.2 研究展望
参考文献
致谢
作者在攻读硕士期间主要研究成果
【参考文献】：
期刊论文
[1]MRA-PCA-PSO组合优化BP神经网络模拟电路故障诊断研究[J]. 马峻,赵飞乐,徐潇,陈寿宏. 电子测量与仪器学报. 2018(03)
[2]基于自适应和变游走方向的改进狼群算法[J]. 郭立婷. 浙江大学学报(理学版). 2018(03)
[3]改进粒子群算法优化的SVM模拟电路故障诊断[J]. 梅恒荣,殷礼胜,刘冬梅,何怡刚,袁莉芬,赵丽欣,陈鹏,赵蓓蕾,任帅. 电子测量与仪器学报. 2017(08)
[4]基于小波变换和CFA-LSSVM模拟电路故障诊断[J]. 谈恩民,王存存,张欣然. 电子测量与仪器学报. 2017(08)
[5]基于LMD多尺度熵和极限学习机的模拟电路故障诊断[J]. 刘美容,曾黎,何怡刚,李向新. 电子测量与仪器学报. 2017(04)
[6]一种模拟电路故障诊断方法研究[J]. 刘琳. 现代电子技术. 2017(06)
[7]因子分析和ELM在模拟电路故障诊断的应用[J]. 邓勇,于晨松. 电子测量与仪器学报. 2016(10)
[8]一种狼群智能算法及收敛性分析[J]. 薛俊杰,王瑛,李浩,肖吉阳. 控制与决策. 2016(12)
[9]基于GMKL-SVM的模拟电路故障诊断方法[J]. 张朝龙,何怡刚,袁莉芬,李志刚,项胜. 仪器仪表学报. 2016(09)
[10]基于小波和ELM的电路故障诊断方法研究[J]. 程文韬,邓芳明,郝勇,吴翔,付智辉. 仪表技术与传感器. 2016(07)
硕士论文
[1]基于行为级模型的电路故障诊断方法研究[D]. 李琦.电子科技大学 2018
[2]基于自适应遗传算法的整车主动悬架自抗扰控制研究[D]. 王凯.吉林大学 2017
[3]遗传算法的改进及其应用[D]. 李国煌.华北电力大学 2016
[4]Pipeline ADC行为模型建模与仿真[D]. 唐立军.电子科技大学 2009
[5]遗传算法的改进及其应用[D]. 梁芳.武汉理工大学 2008
[6]遗传算法的研究与应用[D]. 田延硕.电子科技大学 2004
本文编号：3182237
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3182237.html
