基于特征优选模拟电路故障诊断方法

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

基于特征优选模拟电路故障诊断方法

李旻, 咸卫明, 龙兵, 王厚军

文章导航 > 电子科技大学学报 > 2014 > 43(4): 557-561

李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法[J]. 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

引用本文:

李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法[J]. 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

LI Min, XIAN Wei-ming, LONG Bing, WANG Hou-jun. Method for Fault Diagnosis of Analog Circuits Based on Feature Selection[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

Citation:

LI Min, XIAN Wei-ming, LONG Bing, WANG Hou-jun. Method for Fault Diagnosis of Analog Circuits Based on Feature Selection[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

基于特征优选模拟电路故障诊断方法

doi: 10.3969/j.issn.1001-0548.2014.04.015

1.
电子科技大学自动化学院成都 611731

基金项目:

国家自然科学基金(61071029,60934002,61201009,61271035)

作者简介:
李旻(1973-),男,在职博士生,主要从事电路与系统失效分析、自动化测试、诊断、预测方面的研究.

中图分类号: TN707

Method for Fault Diagnosis of Analog Circuits Based on Feature Selection

1.
School of Automation Engineering,University of Electronic Science & Technology of China Chengdu 611731

摘要: 传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。
- 故障诊断 /
- 特征优选 /
- 最小二乘支持向量机 /
- 马氏距离 /
- 粒子群优化算法
Abstract: Traditionally, multi-fault diagnosis of analog circuits based on least squares support vector machine (LSSVM) usually uses a single feature vector combination to train all binary LSSVM classifiers. However, in fact, each binary LSSVM classifier has different classification accuracy for different feature vector combinations. Therefore, the Mahalanobis distance (MD) based on particle swarm optimization (PSO) is proposed to select a near-optimal feature vector combination for each binary classifier. Then, the near-optimal feature vector combinations are used to train and test LSSVM for diagnostics of the incipient faults in analog circuits. The experimental results show that the accuracy using the near-optimal feature vector combinations is higher than the accuracy using a single vector combination.
- faults diagnosis /
- feature selection /
- least squares support vector machine /
- Mahalanobis distance /
- particle swarm optimization

[1]	鲁华祥, 尹世远, 龚国良, 刘毅, 陈刚. 基于深度确定性策略梯度的粒子群算法 . 电子科技大学学报, 2021, 50(2): 199-206. doi: 10.12178/1001-0548.2020420
[2]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[3]	张新明, 王霞, 涂强, 康强. 趋优算子和Levy Flight混合的粒子群优化算法 . 电子科技大学学报, 2018, 47(3): 421-429. doi: 10.3969/j.issn.1001-0548.2018.03.016
[4]	邵继业, 谢昭灵, 杨瑞. 基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
[5]	周启忠, 谢永乐, 毕东杰, 李西峰. 种模拟电路参数型故障诊断新方法 . 电子科技大学学报, 2017, 46(2): 386-391. doi: 10.3969/j.issn.1001-0548.2017.02.012
[6]	闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究 . 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
[7]	李从善, 刘天琪, 李兴源, 曹喜民, 刘利兵. 基于排列熵算法的电力系统故障信号分析 . 电子科技大学学报, 2015, 44(2): 233-238. doi: 10.3969/j.issn.1001-0548.2015.02.013
[8]	敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法 . 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014
[9]	刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习 . 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023
[10]	宋国明, 王厚军, 姜书艳, 刘红. 最小生成树SVM的模拟电路故障诊断方法 . 电子科技大学学报, 2012, 41(3): 412-417. doi: 10.3969/j.issn.1001-0548.2012.03.018
[11]	张健, 徐红兵, 王情. 多重分形谱在集成电路动态电流故障诊断中的应用 . 电子科技大学学报, 2011, 40(4): 544-548.
[12]	王维博, 冯全源. 粒子群优化算法在天线方向图综合中的应用 . 电子科技大学学报, 2011, 40(2): 237-241. doi: 10.3969/j.issn.1001-0548.2011.02.016
[13]	陈世杰, 连可, 王厚军. 采用多信号流图模型的雷达接收机故障诊断方法 . 电子科技大学学报, 2009, 38(1): 87-91.
[14]	陈世杰, 连可, 王厚军. 遗传算法优化的SVM模拟电路故障诊断方法 . 电子科技大学学报, 2009, 38(4): 553-558. doi: 10.3969/j.issn.1001-0548.2009.04.019
[15]	雷霖, 代传龙, 王厚军, 赵旭. 粗糙集-神经网络集成的WSN节点故障诊断 . 电子科技大学学报, 2008, 37(4): 565-568.
[16]	刁鸣, 高洪元, 马杰, 缪善林. 应用神经网络粒子群算法的多用户检测 . 电子科技大学学报, 2008, 37(2): 178-180,281.
[17]	万群, 王伟, 黄际彦, 宋玉梅. 模糊支持向量机的非直达波抑制算法 . 电子科技大学学报, 2008, 37(6): 803-806.
[18]	任诚, 唐普英, 方峻. 拉伸技术粒子群优化算法的多用户检测器 . 电子科技大学学报, 2007, 36(5): 915-917.
[19]	杨俊华, 尚志恩, 吕锋. 基于布尔差分的数字逻辑电路故障诊断 . 电子科技大学学报, 2005, 34(4): 517-520.
[20]	王厚军, 陈相富, 陈光. 基于总线观测的微机故障诊断专家系统研究 . 电子科技大学学报, 1998, 27(2): 161-165.

WeChat

点击查看大图

计量

文章访问数: 3408
HTML全文浏览量: 137
PDF下载量: 62
被引次数: 0

基于特征优选模拟电路故障诊断方法

doi: 10.3969/j.issn.1001-0548.2014.04.015

1. 电子科技大学自动化学院成都 611731

基金项目:

国家自然科学基金(61071029,60934002,61201009,61271035)

作者简介:
李旻(1973-),男,在职博士生,主要从事电路与系统失效分析、自动化测试、诊断、预测方面的研究.

收稿日期: 2013-04-16
修回日期: 2013-09-06
刊出日期: 2014-08-15

中图分类号: TN707

关键词:

摘要: 传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。

English Abstract

李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法[J]. 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

引用本文:

李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法[J]. 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

LI Min, XIAN Wei-ming, LONG Bing, WANG Hou-jun. Method for Fault Diagnosis of Analog Circuits Based on Feature Selection[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

Citation:

LI Min, XIAN Wei-ming, LONG Bing, WANG Hou-jun. Method for Fault Diagnosis of Analog Circuits Based on Feature Selection[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015

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