基于多小波變換和支持向量機(jī)的模擬電路故障診斷.pdf

1、自20世紀(jì)60年代開始研究以來，模擬電路故障診斷一直是電路系統(tǒng)領(lǐng)域的熱門課題，但由于模擬電路的元件參數(shù)具有的容差性，故障模式具有的復(fù)雜性及多樣性等特點(diǎn)，使得已有的診斷方法與實際應(yīng)用存在一定的差距。本文將多小波分解作為故障特征處理工具，與智能優(yōu)化算法和支持向量機(jī)結(jié)合，為更好的解決模擬故障診斷中遇到問題提供了一種可能。
　　 本文在總結(jié)現(xiàn)有故障診斷理論與方法的基礎(chǔ)上，針對故障診斷中最優(yōu)樣本獲取問題，重點(diǎn)研究了多小波變換在故障診斷中的

2、應(yīng)用。多小波作為故障特征提取工具，得到特征空間中最優(yōu)樣本，并對其進(jìn)行歸一化處理，得到最優(yōu)向量，然后將其輸入己訓(xùn)練好的支持向量機(jī)網(wǎng)絡(luò)中進(jìn)行故障診斷。多小波變換能夠克服小波變換的維數(shù)災(zāi)等問題，降低向量維數(shù)。通過仿真實例說明了該方法的實施步驟及診斷效果。
　　 針對目前模擬故障診斷模式識別中所遇到的困難，本文提出了一種粒子群算法優(yōu)化支持向量機(jī)的模擬電路診斷方法。該法首先用多小波變換提取電路的故障特征，通過粒子群算法優(yōu)化支持向量機(jī)的結(jié)構(gòu)

3、參數(shù)，確定最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)，然后將最優(yōu)特征集輸入優(yōu)化支持向量機(jī)網(wǎng)絡(luò)，得到最優(yōu)的分類結(jié)果。粒子群算法具有較強(qiáng)的尋優(yōu)能力，快速提高了網(wǎng)絡(luò)的泛化能力。此方法克服了網(wǎng)絡(luò)結(jié)構(gòu)選擇的盲目性，加快了網(wǎng)絡(luò)的收斂速度。仿真實例表明，此方法能夠有效地對故障進(jìn)行診斷。
　　 鑒于支持向量機(jī)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)在選擇過程中具有隨機(jī)性，并可能影響故障診斷的效率，本文引入蟻群算法優(yōu)化支持向量機(jī)進(jìn)行故障診斷。并將其診斷結(jié)果與粒子群優(yōu)化情況進(jìn)行比較，發(fā)現(xiàn)粒子群優(yōu)化網(wǎng)絡(luò)比蟻