基于D-S证据和PSO神经网络的电路故障诊断

被引：9

作者：

朱洪

机构：

[1] 四川理工学院

来源：

计算机测量与控制 | 2013年 / 21卷 / 04期

关键词：

电路; 故障诊断; D-S证据; 神经网络;

D O I：

10.16526/j.cnki.11-4762/tp.2013.04.030

中图分类号：

TN710 [电子电路]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对传统故障诊断方法在进行电路故障诊断面临的不确定性,提出了一种基于D-S证据和PSO神经网络的故障诊断方法;首先,确定BP神经网络结构,并采用PSO算法对BP神经网络的各参数进行优化以提高诊断的精确性,然后,将PSO神经网络的诊断输出作为证据采用D-S证据合成规则进行融合,并根据阈值来确定具体故障;仿真实验表明,在阈值为0.75和训练目标误差为0.02时,文中的基于D-S证据理论和PSO神经网络的故障诊断模型,能准确地实现模拟电路的故障诊断,降低了系统的不确定性。

引用

页码：868 / 870

页数：3

共 9 条

[1] 信息融合技术在大型发电机故障诊断中的应用 [J].

王敏珍 ;

张志辉 ;

裴玉杰 .

计算机仿真, 2012, 29 (04) :349-352

[2] 应用数据融合实现电子电路的故障诊断 [J].

许军 ;

吕强 ;

张耀辉 .

电路与系统学报, 2008, (03) :30-34

[3] 基于信息融合的模拟电路故障诊断方法分析 [J].

冯志红 ;

林志贵 ;

王炜 .

电子测量与仪器学报, 2008, 22 (06) :47-53

[4] 基于PSO-RBF神经网络的模拟电路诊断 [J].

宋丽伟 ;

彭敏放 ;

田成来 ;

沈美娥 .

计算机应用研究, 2012, 29 (01) :72-74+111

[5] 自适应GA优化WNN的模拟电路软故障诊断方法 [J].

谢春 ;

宋国明 ;

姜书艳 ;

王厚军 .

计算机应用研究, 2012, 29 (01) :75-78

[6] 基于特征层融合的模拟电路故障诊断方法 [J].

谢永成 ;

程延伟 ;

吕强 ;

李光升 .

计算机工程与设计, 2012, 33 (03) :1170-1174

[7] 基于信息融合和神经网络的模拟电路故障诊断方法研究 [J].

何如龙 ;

薛玉娟 ;

李昭锐 .

计算机测量与控制, 2012, 20 (04) :887-889+892

[8]

The particle swarm-explosion, stability, and convergence in a multidimensional complex space. Clerc M,Kennedy J. IEEE Transactions on Evolutionary Computation . 2002

[9]

Application of BP neural network in analog circuits di-agnosis. YIN Shi-rong. Proc of International Conference on Computer Applica-tion and System Modeling . 2010

← 1 →