隨著當(dāng)今智能電子產(chǎn)品的快速發(fā)展和滲透社會(huì)的各個(gè)方面,由此電路系統(tǒng)檢測(cè)與診斷已成為極具研究?jī)r(jià)值的戰(zhàn)略性課題。電路系統(tǒng)中模擬電路集成度越來(lái)越高,一旦發(fā)生故障將導(dǎo)致電路系統(tǒng)的癱瘓。模擬電路的非線性和容差性的問(wèn)題使得傳統(tǒng)的診斷方法和理論研究難以滿(mǎn)足當(dāng)下電路故障診斷需求,因此研究適用的和有效的模擬電路故障診斷方法顯得尤為重要和急迫。隨著群體算法和人工智能的迅速發(fā)展,為診斷理論和方法提供了新的有效途徑。本文借此,以通用電路為對(duì)象分別從故障特征參數(shù)的提取、選擇和故障分類(lèi)器等方面進(jìn)行研究,主要的研究工作和成果如下:（1）故障特征參數(shù)集提取和選擇的研究。在故障特征參數(shù)集選擇方面,本文采用自適應(yīng)遺傳算法（Adaptive Genetic Algorithm,AGA）,AGA作為一種啟發(fā)式搜索算法在最優(yōu)化問(wèn)題具有良好的效果。為保證特征參數(shù)之間的相關(guān)性,算法中適應(yīng)度函數(shù)遵循散布矩陣規(guī)則,針對(duì)特征參數(shù)采樣點(diǎn)的提取的原始特征參數(shù)采用二進(jìn)制編碼。通過(guò)實(shí)驗(yàn)驗(yàn)證在處理低維數(shù)據(jù)時(shí)擁有良好的效果。為了不局限于低維故障特征參數(shù)的處理能力,本文引入深度學(xué)習(xí)理論和方法。在高維特征參數(shù)提取方面進(jìn)行了研究,利用深度學(xué)習(xí)網(wǎng)絡(luò)稀疏自動(dòng)編... 

【文章來(lái)源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1.1 模擬電路故障診斷背景及研究意義
    §1.2 國(guó)內(nèi)外研究現(xiàn)狀
        §1.2.1 國(guó)外研究現(xiàn)狀
        §1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    §1.3 模擬電路故障診斷的困難
    §1.4 本文主要研究?jī)?nèi)容和結(jié)構(gòu)安排
        §1.4.1 本文主要研究?jī)?nèi)容
        §1.4.2 本文體系結(jié)構(gòu)
第二章 AGA在模擬電路特征選擇中的研究
    §2.1 遺傳算法
        §2.1.1 遺傳算法概述
        §2.1.2 遺傳算法實(shí)現(xiàn)
    §2.2 自適應(yīng)遺傳算法
        §2.2.1 自適應(yīng)遺傳算法概述
        §2.2.2 自適應(yīng)遺傳算法特點(diǎn)
        §2.2.3 特征選擇方法研究
    §2.3 本章小結(jié)
第三章 基于PSO-SAE模擬電路特征提取研究
    §3.1 粒子群算法
    §3.2 堆疊自動(dòng)編碼機(jī)概述
        §3.2.1 自動(dòng)編碼機(jī)概述
        §3.2.2 堆疊自動(dòng)編碼構(gòu)造模型
        §3.2.3 堆疊自動(dòng)編碼機(jī)特征提取方法研究
    §3.3 PSO-SAE網(wǎng)絡(luò)模型研究
        §3.3.1 PSO優(yōu)化SAE的方法研究
        §3.3.2 特征提取網(wǎng)絡(luò)算法
    §3.4 本章小結(jié)
第四章 基于AWPA-ELM模擬電路故障診斷研究
    §4.1 狼群算法概述
    §4.2 自適應(yīng)狼群算法概述
        §4.2.1 狼群算法的優(yōu)缺點(diǎn)
        §4.2.2 自適應(yīng)狼群算法模型研究
    §4.3 極限學(xué)習(xí)機(jī)
        §4.3.1 ELM概述
        §4.3.2 ELM基本應(yīng)用步驟
        §4.3.3 ELM基本特點(diǎn)
    §4.4 AWPA-ELM分類(lèi)器研究
        §4.4.1 AWPA優(yōu)化ELM的方法研究
        §4.4.2 分類(lèi)器網(wǎng)絡(luò)算法
    §4.5 模擬電路實(shí)例論證
        §4.5.1 實(shí)例電路 1
        §4.5.2 實(shí)例電路 2
        §4.5.3 實(shí)例電路 3
    §4.6 本章小結(jié)
第五章 總結(jié)與展望
    §5.1 本文工作總結(jié)
    §5.2 研究展望
參考文獻(xiàn)
致謝
作者在攻讀碩士期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]MRA-PCA-PSO組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷研究[J]. 馬峻,趙飛樂(lè),徐瀟,陳壽宏.  電子測(cè)量與儀器學(xué)報(bào). 2018(03)
[2]基于自適應(yīng)和變游走方向的改進(jìn)狼群算法[J]. 郭立婷.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2018(03)
[3]改進(jìn)粒子群算法優(yōu)化的SVM模擬電路故障診斷[J]. 梅恒榮,殷禮勝,劉冬梅,何怡剛,袁莉芬,趙麗欣,陳鵬,趙蓓蕾,任帥.  電子測(cè)量與儀器學(xué)報(bào). 2017(08)
[4]基于小波變換和CFA-LSSVM模擬電路故障診斷[J]. 談恩民,王存存,張欣然.  電子測(cè)量與儀器學(xué)報(bào). 2017(08)
[5]基于LMD多尺度熵和極限學(xué)習(xí)機(jī)的模擬電路故障診斷[J]. 劉美容,曾黎,何怡剛,李向新.  電子測(cè)量與儀器學(xué)報(bào). 2017(04)
[6]一種模擬電路故障診斷方法研究[J]. 劉琳.  現(xiàn)代電子技術(shù). 2017(06)
[7]因子分析和ELM在模擬電路故障診斷的應(yīng)用[J]. 鄧勇,于晨松.  電子測(cè)量與儀器學(xué)報(bào). 2016(10)
[8]一種狼群智能算法及收斂性分析[J]. 薛俊杰,王瑛,李浩,肖吉陽(yáng).  控制與決策. 2016(12)
[9]基于GMKL-SVM的模擬電路故障診斷方法[J]. 張朝龍,何怡剛,袁莉芬,李志剛,項(xiàng)勝.  儀器儀表學(xué)報(bào). 2016(09)
[10]基于小波和ELM的電路故障診斷方法研究[J]. 程文韜,鄧芳明,郝勇,吳翔,付智輝.  儀表技術(shù)與傳感器. 2016(07)

碩士論文
[1]基于行為級(jí)模型的電路故障診斷方法研究[D]. 李琦.電子科技大學(xué) 2018
[2]基于自適應(yīng)遺傳算法的整車(chē)主動(dòng)懸架自抗擾控制研究[D]. 王凱.吉林大學(xué) 2017
[3]遺傳算法的改進(jìn)及其應(yīng)用[D]. 李國(guó)煌.華北電力大學(xué) 2016
[4]Pipeline ADC行為模型建模與仿真[D]. 唐立軍.電子科技大學(xué) 2009
[5]遺傳算法的改進(jìn)及其應(yīng)用[D]. 梁芳.武漢理工大學(xué) 2008
[6]遺傳算法的研究與應(yīng)用[D]. 田延碩.電子科技大學(xué) 2004



本文編號(hào)：3182237