模擬電路是工業(yè)設(shè)備中最重要的元器件,其故障可能造成重大的人員傷亡,甚至造成巨大的經(jīng)濟(jì)損失。針對這一問題,提出一種基于核局部線性判別分析（Kernel Local Linear Discriminant Analysis,KLLDA）的故障診斷方案。利用小波分析和統(tǒng)計(jì)分析對原始信號進(jìn)行預(yù)處理,得到原始特征集;利用KLLDA方法進(jìn)行降維,并與核主成分分析（Kernel Principal Component Analysis,KPCA）和核線性判別分析（Kernel Linear Discriminant Analysis,KLDA）方法進(jìn)行比較;采用極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）對測試電路的故障進(jìn)行定位。對兩個故障診斷案例的實(shí)驗(yàn)結(jié)果表明了該方法的有效性,并表明KLLDA在降維方面總體上優(yōu)于KPCA和KLDA。 

【文章來源】：計(jì)算機(jī)應(yīng)用與軟件. 2020,37(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

Sallen-Key帶通濾波器

圖2描繪了四運(yùn)算放大器雙四階高通濾波器(CUT2)。圖2給出了每個分量的正常值和容差,選擇C1、C2、R1、R2、R3和R4作為實(shí)驗(yàn)對象。關(guān)于故障設(shè)置的細(xì)節(jié)如表2所示。表2 CUT 1的故障類別、公稱和故障分量值 故障碼 故障類 正常值 故障值 F0 NF - - F1 C1↑ 5 nF 6.25 nF F2 C1↓ 5 nF 3.75 nF F3 C2↑ 5 nF 6.25 nF F4 C2↓ 5 nF 3.75 nF F5 R1↑ 6.2 kΩ 7.75 kΩ F6 R1↓ 6.2 kΩ 4.65 kΩ F7 R2↑ 6.2 kΩ 7.75 kΩ F8 R2↓ 6.2 kΩ 4.65 kΩ F9 R3↑ 6.2 kΩ 7.75 kΩ F10 R3↓ 6.2 kΩ 4.65 kΩ F11 R4↑ 1.6 kΩ 2 kΩ F12 R4↓ 1.6 kΩ 1.2 kΩ

信號采集后,對原始信號集進(jìn)行三級Harr小波變換,得到小波能量特征。此外,增加峰度、熵、偏度、最大值和最小值來構(gòu)成統(tǒng)計(jì)特征向量。然后,形成小波特征和統(tǒng)計(jì)特征九個特征。最后,通過KLLDA提取特征作為訓(xùn)練和測試所提出的分類器的樣本。在示例1中,調(diào)諧因子K和膨脹參數(shù)為4和1.12。通過CUT2,調(diào)諧因子K和膨脹參數(shù)等于6和1.69。在執(zhí)行KLLDA之后,我們得到了所有CUT1和CUT2的故障情況的2D表示,如圖3-圖8所示。圖4 KLDA的CUT1斷層散點(diǎn)圖


本文編號：3518632