隨著電子科學與技術的快速發(fā)展,越來越多的應用于模擬電路故障診斷的新方法不斷被提出。目前很多智能診斷算法都具有不需要掌握電路知識、不需要求解復雜的電路方程等優(yōu)點,但是該類算法的診斷效果的好壞與訓練出的診斷模型具有很大的關系,在這個過程中的首要環(huán)節(jié)就是采集全面海量的原始故障數(shù)據(jù)。以非線性模擬電路故障的診斷為例,由于大量的電阻電容等元器件都存在容差,會導致采集到的數(shù)據(jù)往往呈現(xiàn)高維數(shù)、非線性結構分布的特征。如何對這些高維度的數(shù)據(jù)進行降維并從中獲取優(yōu)選故障特征成為了近幾年研究關注的難點問題。本文針對基于模式識別的故障診斷這一問題,核心討論如何構造高效的特征提取方法,以小波理論為基礎,結合數(shù)據(jù)分析方法中的典型的適用于非線性問題的數(shù)據(jù)降維方法來提取故障特征等方面進行了全面的分析,并選用改進的克隆選擇算法對二階四運放低通濾波電路進行診斷與驗證。本文研究的主要內容如下:1.對小波理論的工程應用進行了研究。首先對小波分解和小波包分解方法進行了詳細的分析:分別從小波基函數(shù)的選取,小波分解層次選取等問題入手,針對分解層次越深入,數(shù)據(jù)量呈指數(shù)增加的問題,提出了降維的思路。2.對常用的幾種降維算法進行了研究。分析...

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 模擬電路故障診斷方法介紹與研究現(xiàn)狀
    1.3 基于模式識別的模擬電路故障診斷流程
    1.4 本文主要研究內容
第二章 基于小波分析的特征提取技術
    2.1 小波理論的發(fā)展概述
    2.2 小波分析的理論基礎
        2.2.1 小波變換的定義
        2.2.2 小波分解與小波包分解
    2.3 小波分析的難點和關鍵問題
        2.3.1 小波基函數(shù)的選取研究
        2.3.2 小波分解層次研究
        2.3.3 小波包系數(shù)能量譜的構造及歸一化
    2.4 本章小結
第三章 典型數(shù)據(jù)降維方法概述及其應用
    3.1 線性降維算法
    3.2 非線性降維算法
        3.2.1 等度量映射算法與landmark-ISOMAP
        3.2.2 LLE與RLLE
        3.2.3 拉普拉斯特征映射
        3.2.4 t-SNE
    3.3 本章小結
第四章 基于小波理論和降維算法的軟故障診斷方法研究
    4.1 基于小波分析的特征提取技術
    4.2 降維算法的選擇與參數(shù)確定
    4.3 改進的克隆選擇分類算法簡介
    4.4 本章小結
第五章 基于降維理論的板級故障智能診斷系統(tǒng)實現(xiàn)
    5.1 智能診斷系統(tǒng)總體設計
    5.2 故障注入與數(shù)據(jù)采集
    5.3 故障特征的提取與降維實現(xiàn)
    5.4 故障訓練和板級測試診斷流程的實現(xiàn)
    5.5 降維效果驗證評價
        5.5.1 非線性降維算法的選取與性能比較
        5.5.2 降維比例的討論
    5.6 本章小結
第六章 結論與展望
    6.1 本文的主要創(chuàng)新工作
    6.2 研究展望
參考文獻
在學期間的研究成果
致謝



本文編號：3737550