应用Elman网络优化非线性模拟电路测试激励

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

应用Elman网络优化非线性模拟电路测试激励

殷时蓉, 陈光, 谢永乐

文章导航 > 电子科技大学学报 > 2008 > 37(4): 574-577

殷时蓉, 陈光, 谢永乐. 应用Elman网络优化非线性模拟电路测试激励[J]. 电子科技大学学报, 2008, 37(4): 574-577.

引用本文:

殷时蓉, 陈光, 谢永乐. 应用Elman网络优化非线性模拟电路测试激励[J]. 电子科技大学学报, 2008, 37(4): 574-577.

YIN Shi-rong, CHEN Guang-ju, XIE Yong-le. Optimization of Testing Stimulus for Nonlinear Circuits by Applying Elman Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 574-577.

Citation:

YIN Shi-rong, CHEN Guang-ju, XIE Yong-le. Optimization of Testing Stimulus for Nonlinear Circuits by Applying Elman Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 574-577.

应用Elman网络优化非线性模拟电路测试激励

1.
重庆交通大学机电学院重庆南岸区 400074;
2.
电子科技大学自动化工程学院成都 610054

基金项目:

国家自然科学基金(60372001)

作者简介:
殷时蓉(1974-),女,博士生,讲师,主要从事故障诊断和信号处理方面的研究.

中图分类号: TP391.9

Optimization of Testing Stimulus for Nonlinear Circuits by Applying Elman Neural Network

1.
College of Electromechanical and Automobile Engineer,Chongqing Jiaotong University Nan'an Chongqing 400074;
2.
School of Automation Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 非线性模拟电路瞬态测试激励信号的参数对电路故障识别率影响很大,在搜索最佳激励信号的过程中,需建立非线性模拟电路的系统模型。Elman网络是一种递归神经网络,能逼近任意动态非线性系统。该文用一种改进的Elman网络建立故障电路和非故障电路的系统模型,用遗传算法搜索最佳瞬态测试激励信号参数,仿真实验结果表明经过该方法优化后的激励信号能大大提高非线性模拟电路的故障识别率。
- Elman网络 /
- 非线性电路 /
- 优化 /
- 测试激励
Abstract: The parameters of transient testing stimulus for nonlinear analog circuits greatly influence the fault diagnosis efficiency. In the course of finding the optimum stimulus, we have to develop the nonlinear analog circuits' models. Elman network which is a dynamic recurrent neural network can approximate any dynamic nonlinear system. In this paper, Elman network is used to develop the models of the fault circuits and fault free circuit, the optimum stimulus is searched with genetic algorithm. Experiment results demonstrate that the optimum stimulus achieved has high fault identification.
- Elman network /
- nonlinear circuits /
- optimization /
- testing stimulus

[1]	张强, 李盼池, 王梅. 基于自适应进化策略的人工蜂群优化算法 . 电子科技大学学报, 2019, 48(4): 560-566. doi: 10.3969/j.issn.1001-0548.2019.04.013
[2]	唐东明, 卢显良. 用于网络编码优化的改进量子进化算法 . 电子科技大学学报, 2015, 44(2): 215-220. doi: 10.3969/j.issn.1001-0548.2015.02.010
[3]	覃琴, 曾志民, 张天魁, 张从青. 动态多中继协同节点选择算法 . 电子科技大学学报, 2011, 40(4): 505-508. doi: 10.3969/j.issn.1001-0548.2011.04.005
[4]	李星毅, 李奎, 施化吉, 周双全. 背景值优化的GM(1,1)预测模型及应用 . 电子科技大学学报, 2011, 40(6): 911-914. doi: 10.3969/j.issn.1001-0548.2011.06.020
[5]	任立勇, 雷明, 张磊. P2P应用层数据流量优化 . 电子科技大学学报, 2011, 40(1): 111-115. doi: 10.3969/j.issn.1001-0548.2011.01.021
[6]	陈其松, 陈孝威, 张欣, 吴茂念. 优化SVM在锅炉负荷预测中的应用 . 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035
[7]	张骏, 向渝, 汪文勇. 无线传感器网络节点能耗状态转换模型研究 . 电子科技大学学报, 2009, 38(4): 596-599. doi: 10.3969/j.issn.1001-0548.2009.04.028
[8]	黄建国, 罗航, 王厚军, 龙兵. 运用GA-BP神经网络研究时间序列的预测 . 电子科技大学学报, 2009, 38(5): 687-692. doi: 10.3969/j.issn.1001-0548.2009.05.028
[9]	何祖军, 胡静. 知识库散货船自动配载系统设计 . 电子科技大学学报, 2008, 37(5): 737-741.
[10]	邓建华, 王秉中, 甘体国. 空间映射方法研究及其在LTCC设计中的应用 . 电子科技大学学报, 2007, 36(1): 72-74,107.
[11]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[12]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[13]	秦东兴, 骆德渊, 卢凉, 董伟. 原料混匀料车间的设计优化与仿真 . 电子科技大学学报, 2005, 34(4): 548-551.
[14]	吴跃, 邱会中, 余水, 余元辉. Web数据库性能调优 . 电子科技大学学报, 2002, 31(3): 255-261.
[15]	韩轶, 唐小我. 一种新的多指标综合评价方法的优化选择思路 . 电子科技大学学报, 1999, 28(3): 316-319.
[16]	吕韶义, 刘智敏, 刘复岩. 多目标优化生产作业调度计划系统开发 . 电子科技大学学报, 1998, 27(3): 316-320.
[17]	胡涛, 王守绪, 杨邦朝. 用单纯形优化法研究铝箔腐蚀工艺 . 电子科技大学学报, 1998, 27(4): 449-452.
[18]	杨朝斌, 徐继麟, 黄香馥. 一种新颖的SAW带通滤波器设计方法 . 电子科技大学学报, 1997, 26(4): 347-351.
[19]	章小兵, 王勇, 陈光. 基于自由二元判决图转换的可测性优化方法 . 电子科技大学学报, 1997, 26(2): 171-174.
[20]	杨朝斌, 徐继麟, 黄香馥. SAW滤波器等效电路模型参数的精确计算法 . 电子科技大学学报, 1997, 26(1): 40-43.

WeChat

点击查看大图

计量

文章访问数: 3571
HTML全文浏览量: 97
PDF下载量: 90
被引次数: 0

应用Elman网络优化非线性模拟电路测试激励

1. 重庆交通大学机电学院重庆南岸区 400074;

2. 电子科技大学自动化工程学院成都 610054

基金项目:

国家自然科学基金(60372001)

作者简介:
殷时蓉(1974-),女,博士生,讲师,主要从事故障诊断和信号处理方面的研究.

收稿日期: 2007-01-25
修回日期: 2007-04-08
刊出日期: 2008-08-15

中图分类号: TP391.9

关键词:

摘要: 非线性模拟电路瞬态测试激励信号的参数对电路故障识别率影响很大,在搜索最佳激励信号的过程中,需建立非线性模拟电路的系统模型。Elman网络是一种递归神经网络,能逼近任意动态非线性系统。该文用一种改进的Elman网络建立故障电路和非故障电路的系统模型,用遗传算法搜索最佳瞬态测试激励信号参数,仿真实验结果表明经过该方法优化后的激励信号能大大提高非线性模拟电路的故障识别率。

English Abstract

殷时蓉, 陈光, 谢永乐. 应用Elman网络优化非线性模拟电路测试激励[J]. 电子科技大学学报, 2008, 37(4): 574-577.

引用本文:

殷时蓉, 陈光, 谢永乐. 应用Elman网络优化非线性模拟电路测试激励[J]. 电子科技大学学报, 2008, 37(4): 574-577.

YIN Shi-rong, CHEN Guang-ju, XIE Yong-le. Optimization of Testing Stimulus for Nonlinear Circuits by Applying Elman Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 574-577.

Citation:

YIN Shi-rong, CHEN Guang-ju, XIE Yong-le. Optimization of Testing Stimulus for Nonlinear Circuits by Applying Elman Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 574-577.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发