本文關(guān)鍵詞：基于支持向量機(jī)的模擬電路故障診斷研究

  更多相關(guān)文章： 支持向量機(jī) 模擬電路故障診斷 特征提取 分形維數(shù) 集成學(xué)習(xí) 兩重?cái)_動(dòng)機(jī)制

【摘要】：現(xiàn)代電子和計(jì)算機(jī)技術(shù)的迅猛發(fā)展使得電子設(shè)備的組成和結(jié)構(gòu)越來(lái)越復(fù)雜,規(guī)模越來(lái)越龐大,為了提高系統(tǒng)的安全性和可靠性,對(duì)電路測(cè)試提出了更高、更新的要求。電子系統(tǒng)中容易出問(wèn)題的部分往往在模擬電路,另外模擬電路的測(cè)試也一直是制約我國(guó)集成電路工業(yè)的“瓶頸”。順應(yīng)當(dāng)代微電子技術(shù)和信息技術(shù)的新發(fā)展,開(kāi)展模擬電路測(cè)試和診斷方法的研究不僅在學(xué)術(shù)上而且對(duì)我國(guó)集成電路工業(yè)發(fā)展都具有重要的理論價(jià)值和現(xiàn)實(shí)意義。 目前模擬電路故障智能診斷面臨的主要難題是典型故障樣本的嚴(yán)重不足以及診斷知識(shí)的發(fā)現(xiàn)問(wèn)題;基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(SVM)機(jī)器學(xué)習(xí)算法很好地執(zhí)行了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,其應(yīng)用于故障診斷最大的優(yōu)勢(shì)在于它適合于小樣本決策,能在有限特征信息情況下,最大限度地發(fā)掘數(shù)據(jù)中隱含的分類知識(shí)。本文將支持向量機(jī)與模擬電路故障理論診斷相結(jié)合,開(kāi)展了基于SVM的模擬電路故障診斷方法的研究和實(shí)現(xiàn)。 模擬電路故障診斷本質(zhì)上是一多狀態(tài)的模式分類問(wèn)題,而傳統(tǒng)支持向量機(jī)分類器是針對(duì)二分類問(wèn)題的。在常用的三種多類推廣模型中,本文采用了決策有向無(wú)環(huán)圖的多值分類算法,建立了多故障SVM分類器模型,并對(duì)其核函數(shù)選擇和核參數(shù)確定方法進(jìn)行了研究�；谠撃Ｐ�,給出了支持向量機(jī)用于模擬電路故障診斷的基本思想和實(shí)現(xiàn)步驟。在模擬電路故障特征提取技術(shù)上,將響應(yīng)信號(hào)有效采樣點(diǎn)的電壓幅值作為故障特征樣本的同時(shí),利用小波包分解提取各頻段能量的方法提取信號(hào)的故障特征作為故障樣本,形成了基于有效采樣點(diǎn)和SVM多分類器、基于小波包分解和SVM多分類器兩種模擬電路故障診斷方法。 借鑒機(jī)械設(shè)備的分形診斷原理,分形維數(shù)能夠反映模擬電路的狀態(tài)。基于此,本文研究了基于分形理論與SVM的模擬電路故障診斷方法:計(jì)算電路響應(yīng)信號(hào)的二進(jìn)分形網(wǎng)格維數(shù)作為故障特征,將基于不同采樣周期對(duì)應(yīng)的分形網(wǎng)格維數(shù)為故障特征向量,構(gòu)建SVM多分類器進(jìn)行訓(xùn)練和診斷。 Volterra級(jí)數(shù)模型不依賴系統(tǒng)輸入即可充分描述非線性系統(tǒng)的本質(zhì)特性,可將系統(tǒng)唯一的Volterra頻域核作為系統(tǒng)特征進(jìn)行故障診斷。本文應(yīng)用Volterra級(jí)數(shù)理論對(duì)非線性模擬電路的頻率響應(yīng)特性進(jìn)行分析,討論了非線性電路故障診斷中計(jì)算Volterra頻域核的特征提取方法,在此基礎(chǔ)上基于SVM多分類器對(duì)非線性電路的工作模態(tài)加以分類,實(shí)現(xiàn)故障診斷。 SVM本身具有的幾個(gè)缺點(diǎn),降低了SVM的穩(wěn)定性和泛化能力,集成學(xué)習(xí)可顯著提高學(xué)習(xí)系統(tǒng)的泛化能力。因此,本文進(jìn)行了SVM集成技術(shù)的研究:通過(guò)分析支持向量機(jī)的兩重?cái)_動(dòng)機(jī)理(擾動(dòng)特征空間和模型參數(shù)),在傳統(tǒng)Bagging算法的基礎(chǔ)上,結(jié)合Logistic映射的隨機(jī)性和遍歷性在參數(shù)選擇中的利用,提出了兩種結(jié)合二重?cái)_動(dòng)機(jī)制和Logistic映射的SVM集成算法——RAB-SVM算法和2D-RBaggingSVM算法,最后將兩種SVM集成算法應(yīng)用于模擬電路故障診斷。 將上述的基于支持向量機(jī)的故障診斷方法分別應(yīng)用于一些具體電路的仿真實(shí)驗(yàn)研究,實(shí)驗(yàn)結(jié)果表明這些方法能較好地分析模擬電路的故障響應(yīng),較準(zhǔn)確地完成模擬電路的故障診斷,具有良好的可行性。
【關(guān)鍵詞】：支持向量機(jī) 模擬電路故障診斷 特征提取 分形維數(shù) 集成學(xué)習(xí) 兩重?cái)_動(dòng)機(jī)制
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2009
【分類號(hào)】：TN710;TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 1 緒論12-27
• 1.1 課題研究的背景和意義12-13
• 1.2 模擬電路故障診斷的國(guó)內(nèi)外研究概況13-19
• 1.3 支持向量機(jī)在故障診斷中的研究19-23
• 1.4 論文研究?jī)?nèi)容、目標(biāo)和結(jié)構(gòu)安排23-27
• 2 支持向量機(jī)及模擬電路故障診斷概述27-46
• 2.1 統(tǒng)計(jì)學(xué)習(xí)理論27-29
• 2.2 支持向量機(jī)概述29-34
• 2.3 基于SVM的模擬電路故障診斷概述34-36
• 2.4 模擬電路故障特征提取技術(shù)36-45
• 2.5 本章小結(jié)45-46
• 3 模擬電路故障診斷中SVM多分類器模型構(gòu)造及其應(yīng)用46-65
• 3.1 SVM多分類器拓?fù)浣Y(jié)構(gòu)確定46-51
• 3.2 SVM的核函數(shù)選擇51-53
• 3.3 SVM的核函數(shù)參數(shù)確定53-56
• 3.4 SVM訓(xùn)練和識(shí)別過(guò)程56-57
• 3.5 基于支持向量機(jī)的模擬電路故障診斷實(shí)例57-64
• 3.6 本章小結(jié)64-65
• 4 基于分形理論和SVM的模擬電路故障診斷65-82
• 4.1 分形原理簡(jiǎn)介65-69
• 4.2 網(wǎng)格維數(shù)的計(jì)算分析69-72
• 4.3 基于分形理論的模擬電路故障診斷72-81
• 4.4 本章小結(jié)81-82
• 5 基于Volterra級(jí)數(shù)和SVM的非線性電路故障診斷82-97
• 5.1 非線性電路及故障診斷82-84
• 5.2 Volterra級(jí)數(shù)簡(jiǎn)介84-87
• 5.3 非線性電路的Volterra頻域核計(jì)算87-91
• 5.4 基于Volterra頻域核和SVM的故障診斷91-96
• 5.5 本章小結(jié)96-97
• 6 SVM集成技術(shù)及其在模擬電路故障診斷中的應(yīng)用97-115
• 6.1 分類器集成學(xué)習(xí)概述97-98
• 6.2 成員分類器98-101
• 6.3 支持向量機(jī)集成101-104
• 6.4 基于兩種擾動(dòng)機(jī)制和Logistic映射的SVM集成算法104-111
• 6.5 基于支持向量機(jī)集成的模擬電路故障診斷實(shí)驗(yàn)111-114
• 6.6 本章小結(jié)114-115
• 7 總結(jié)與展望115-118
• 7.1 全文總結(jié)115-116
• 7.2 本文主要?jiǎng)?chuàng)新點(diǎn)116
• 7.3 展望116-118
• 致謝118-119
• 參考文獻(xiàn)119-131
• 附錄 攻讀學(xué)位期間發(fā)表論文和參加的科研項(xiàng)目131-132
• 公開(kāi)發(fā)表論文與學(xué)位論文對(duì)應(yīng)關(guān)系132

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 李飛;韓海濤;鄭耿樂(lè);;基于輸出頻譜和支持向量機(jī)的模擬電路故障診斷方法[J];電子設(shè)計(jì)工程;2011年14期

2 韓海濤;馬紅光;曹建福;張家良;;基于非線性頻譜特征及核主元分析的模擬電路故障診斷方法[J];電工技術(shù)學(xué)報(bào);2012年08期

3 溫國(guó)強(qiáng);文妍;譚繼文;;基于平均影響值與SVM的滾珠絲杠故障診斷技術(shù)[J];機(jī)床與液壓;2014年03期

4 焦鵬;王新政;謝鵬遠(yuǎn);;基于粒子群優(yōu)化LSSVM的模擬電路故障診斷方法[J];現(xiàn)代電子技術(shù);2013年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 崔江;基于支持向量機(jī)的模擬電子電路故障分類技術(shù)研究[D];南京航空航天大學(xué);2010年

2 盧華瑋;面向可信計(jì)算的分布式故障檢測(cè)系統(tǒng)研究[D];重慶大學(xué);2012年

3 張曉麗;光纖結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)及其傳感器網(wǎng)絡(luò)可靠性研究[D];南京航空航天大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 張慶鍇;模擬電路故障診斷方法及其應(yīng)用研究[D];大連理工大學(xué);2011年

2 吳明巖;基于信息融合的模擬電路故障診斷研究[D];大連理工大學(xué);2011年

3 李愛(ài)琴;基于支持向量機(jī)的模擬電路故障診斷方法研究[D];南京理工大學(xué);2011年

4 肖玉飛;基于小波包熵與支持向量機(jī)的模擬電路故障診斷[D];湖南科技大學(xué);2012年

5 周江Z，

本文編號(hào)：989718