發(fā)布時間：2018-05-02 12:36

  本文選題：模擬電路 + 故障診斷��； 參考：《計算機技術與發(fā)展》2015年07期

【摘要】：針對模擬電路故障信號的容差性、非線性、非平穩(wěn)性等檢測困難問題,提出適合處理這類信號的希爾伯特黃變換算法(Hilbert Huang Transform,HHT),但信號特征提取產生虛假分量和模態(tài)混疊等不足�；诖�,文中分別提出相關系數法和集合經驗模式分解法進行改進。核函數和內核參數決定不同性能的支持向量數據描述(Support Vector Data Describe,SVDD),尋找最優(yōu)內核參數,選擇合適的核函數并構造多核函數優(yōu)化SVDD算法。文中首先用改進HHT提取聯(lián)合故障特征向量,然后訓練優(yōu)化后的SVDD分類器,最后將數據輸入SVDD中進行檢測,能有效地診斷電路故障,并具有較高準確率。
[Abstract]:Aiming at the difficulty of detecting fault signals in analog circuits, such as tolerance, nonlinearity and nonstationarity, a Hilbert Huang transform algorithm is proposed, which is suitable for processing this kind of signals. However, the feature extraction of signals has some shortcomings such as false components and modal aliasing. Based on this, the correlation coefficient method and the set empirical mode decomposition method are proposed respectively. The support vector data description of support Vector Data description based on kernel function and kernel parameter determines different performance. The best kernel parameter is found, the appropriate kernel function is selected and the multi-kernel function is constructed to optimize the SVDD algorithm. In this paper, the improved HHT is first used to extract the joint fault feature vector, and then the optimized SVDD classifier is trained. Finally, the data is input into the SVDD for detection, which can effectively diagnose the circuit fault and has a high accuracy.
【作者單位】： 南京郵電大學電子科學與工程學院;太原理工大學計算機科學與技術學院;
【基金】：國家自然科學基金資助項目(GZ212015)
【分類號】：TN710

【參考文獻】

相關期刊論文 前8條

1 何怡剛;祝文姬;周炎濤;劉美容;;基于粒子群算法的模擬電路故障診斷方法[J];電工技術學報;2010年06期

2 羅慧;王友仁;;基于GSM_SVDD的模擬電路故障診斷方法[J];電機與控制學報;2013年01期

3 馬嵐;王厚軍;;基于復互小波分析的模擬電路故障診斷方法[J];電子科技大學學報;2013年03期

4 蔡金燕;杜敏杰;;多分類SVDD混疊域識別新方法與故障診斷應用[J];航天控制;2012年06期

5 李凌均;鞏曉峗;張恒;韓捷;;基于全矢譜和動態(tài)支持向量數據描述的滾動軸承故障診斷研究[J];機械強度;2013年02期

6 宋國明;王厚軍;姜書艷;劉紅;;一種聚類分層決策的SVM模擬電路故障診斷方法[J];儀器儀表學報;2010年05期

7 蔣玲莉;劉義倫;李學軍;楊大煉;;小波包去噪與改進HHT的微弱信號特征提取[J];振動.測試與診斷;2010年05期

8 孫健;王成華;;基于mRMR原則和優(yōu)化SVM的模擬電路故障診斷[J];儀器儀表學報;2013年01期

【共引文獻】

相關期刊論文 前10條

1 羅沛清;梁青陽;江欽龍;孫哲;;基于分層聚類的支持向量機模擬電路故障診斷[J];四川兵工學報;2011年09期

2 趙麗爽;李文海;雷禹;;兼容多標準的高性能驅動電路的設計[J];電子測量技術;2011年02期

3 倪淵;林健;;基于Choquet模糊積分SVM集成及其實證研究[J];工業(yè)工程;2012年02期

4 徐蘭;方志耕;劉思峰;;基于粒子群BP神經網絡的質量預測模型[J];工業(yè)工程;2012年04期

5 王東;王新晴;梁升;趙洋;朱會杰;;基于數學形態(tài)學的流量傳感器信號去噪研究[J];傳感技術學報;2012年08期

6 劉任洋;吳文全;李超;馬龍;;HMM-SVM混合模型在模擬電路故障診斷中的應用[J];電光與控制;2013年02期

7 傘冶;石慧姝;郭珂;;核方法及其在模擬電路故障診斷中的研究進展[J];電子測量技術;2013年01期

8 胡梅;胡列峰;明德祥;;模擬電路統(tǒng)一軟故障診斷的研究[J];電子測量與儀器學報;2013年11期

9 劉曉明;趙洋;曹云東;侯春光;王麗君;;基于小波變換的交流系統(tǒng)串聯(lián)電弧故障診斷[J];電工技術學報;2014年01期

10 胡沁春;何怡剛;何靜;;基于開關電流電路的時域高斯類小波變換實現[J];廣西師范大學學報(自然科學版);2013年04期

相關會議論文 前1條

1 ;Feature Extraction and Recognition of Analog Circuit Fault Signal Based on Wavelet Transform and Partial Singular Values Decomposition[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

相關博士學位論文 前10條

1 劉沖;模擬電路故障診斷AdaBoost集成學習方法研究[D];大連海事大學;2011年

2 鄧武;基于協(xié)同進化的混合智能優(yōu)化算法及其應用研究[D];大連海事大學;2012年

3 劉麗霞;基于小波理論與LSSVM的模擬集成電路故障診斷方法[D];西安電子科技大學;2011年

4 楊賢昭;基于經驗模態(tài)分解的故障診斷方法研究[D];武漢科技大學;2012年

5 姜恩宇;基于直腸感知功能重建的人工括約肌系統(tǒng)研究[D];上海大學;2013年

6 王旭紅;異步電機定子繞組匝間故障診斷方法研究[D];湖南大學;2012年

7 陳暉;基于多源信息融合的大型水壓機故障診斷與狀態(tài)評估研究[D];中南大學;2012年

8 徐蘭;基于MAS的復雜質量結構產品質量設計模型研究[D];南京航空航天大學;2012年

9 劉小平;提升機故障智能診斷理論及應用[D];中國礦業(yè)大學;2013年

10 石磊;基于ANN的頸脊髓損傷和股骨轉子間骨折預后預測研究[D];大連海事大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 徐濤;王祁;;基于小波包神經網絡的傳感器故障診斷方法[J];傳感技術學報;2006年04期

2 王安娜;邱增;吳潔;曲福明;;基于SVM多類分類算法的模擬電路軟故障診斷[J];東北大學學報(自然科學版);2008年07期

3 蔡金，

本文編號：1833969