结合LMD云模型和ABC-LSSVM的模拟电路故障诊断

发布时间：2022-07-12 16:04

　　针对模拟电路存在的非线性和非平稳性,以及电路元件存在容差而带来诊断时的模糊性与随机性等问题,提出了一种结合了局域均值分解（LMD）云模型特征提取和人工蜂群-最小二乘法支持向量机（ABC-LSSVM）分类器的模拟电路故障诊断法。首先,利用LMD算法对初始故障信号进行分解,再将分解的信号通过云逆向发生器计算得出分解信号的云数字特征,并将得到的云数字特征构造为故障特征向量。然后,将部分故障特征向量作为测试样本输入到ABC算法优化的LSSVM中,对各电路故障进行分类识别,得到各故障的分类精度。以两个国际基准电路CTSV和Sallen_Key电路为验证对象,结果表明,该方法提取的故障特征能很好的反映电路各故障状态信息,所提方法的故障诊断精度均达到99%。 

【文章页数】：8 页

【文章目录】：
0 引 言
1 LMD算法与云模型特征提取
    1.1 LMD算法
    1.2 云模型
    1.3 LMD与云模型特征提取步骤
2 ABC-LSSVM故障诊断模型
    2.1 ABC算法
    2.2 LSSVM
    2.3 ABC-LSSVM的步骤
3 故障诊断流程
4 电路故障诊断与实例分析
    4.1 Sallen_Key电路故障诊断与分析
        1)Sallen_Key仿真电路故障描述
        2)Sallen_Key电路特征提取
        3)Sallen_Key故障诊断及结果分析
    4.2 CTSV电路故障诊断与分析
        1)CTSV仿真电路与故障描述
        2)CTSV电路特征提取
        3)CTSV电路故障诊断及结果分析
5 结 论


【参考文献】：
期刊论文
[1]自适应狼群算法优化ELM的模拟电路故障诊断[J]. 颜学龙,汪斌斌.  计算机工程与科学. 2019(02)
[2]基于随机投影和NB网络的模拟电路故障诊断[J]. 孙健,胡国兵,王成华.  仪器仪表学报. 2019(02)
[3]一种LMD和近似熵算法的模拟电路特征提取方法[J]. 单剑锋,万国发.  机械科学与技术. 2018(09)
[4]基于多特征云关联度的容差电路诊断算法[J]. 魏子杰,陈圣俭.  系统工程与电子技术. 2017(12)
[5]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)
[6]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)
[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]一种基于云模型和半监督聚类的入侵检测算法[J]. 李永忠,张杰.  电子测量与仪器学报. 2014(12)
[9]基于核方法的模拟电路故障诊断[J]. 陈文华.  计算机测量与控制. 2014(06)
[10]基于LMD近似熵和FCM聚类的机械故障诊断研究[J]. 张淑清,孙国秀,李亮,李新新,监雄.  仪器仪表学报. 2013(03)



本文编号：3659427