基于SVDD和D-S理论的模拟电路故障诊断

被引：4

作者：

唐静远 ^{[1
]}

师奕兵 ^{[1
]}

姜丁 ^{[2
]}

张伟 ^{[1
]}

机构：

[1] 电子科技大学自动化工程学院

[2] 总后军事交通运输研究所

来源：

测控技术 | 2008年 / 09期

关键词：

支持向量数据描述算法(SVDD); 证据理论(D-S); 故障诊断; 模拟电路;

D O I：

10.19708/j.ckjs.2008.09.022

中图分类号：

TP18 [人工智能理论]; TN710 [电子电路];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080902 ;

摘要：

为解决模拟电路故障诊断复杂多样难于辨识的问题和有效提高诊断准确度及速度,提出了一种融合支持向量数据描述(SVDD)算法和D-S证据理论的故障诊断方法。首先,对采集信号进行基于局部判别基的Haar小波包变换,依据判别测度选取判别能力强的前5个节点的标准能量构成特征集。然后利用SVDD算法求出特征集对于不同类别的基本信任分配函数,最后利用证据理论对不同基本信任分配函数进行组合得到最终故障诊断决策。将该方法应用于两级四运放双二次低通滤波器电路进行故障诊断,实验结果表明该方法能够准确迅速诊断出模拟电路中的故障;与基于SVDD多分类算法、一对一(o-v-o)SVM和一对多(o-v-a)SVM分类算法的故障诊断方法进行比较,本方法能够提高模拟电路故障诊断的精度;比采用o-v-o SVM和o-v-a SVM分类算法的故障诊断方法有更快的诊断速度。

引用

页码：65 / 68

页数：4

共 5 条

[1] 基于支持向量域描述的多故障诊断动态模型 [J].

张庆 ;

徐光华 ;

王晶 ;

梁霖 .

西安交通大学学报, 2007, (05) :593-597

[2] 一种模拟电路的支持向量机故障诊断方法 [J].

罗志勇 ;

史忠科 .

计算机工程, 2006, (15) :34-36

[3] 基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用 [J].

朱大奇 ;

于盛林 .

电子学报, 2002, (02) :221-223

[4] Support vector data description [J].

Tax, DMJ ;

Duin, RPW .

MACHINE LEARNING, 2004, 54 (01) :45-66

[5]

Fault Diagnosis of Analog Circuits Using Bayesian Neural Networks with Wavelet Transform as Preprocessor[J] . Farzan Aminian,Mehran Aminian.Journal of Electronic Testing . 2001 (1)

← 1 →