基于PSO-RBF神经网络的模拟电路诊断

被引：22

作者：

宋丽伟 ^{[1
]}

彭敏放 ^{[1
]}

田成来 ^{[1
]}

沈美娥 ^{[2
]}

机构：

[1] 湖南大学电气与信息工程学院

[2] 北京信息科技大学

来源：

计算机应用研究 | 2012年 / 29卷 / 01期

基金：

湖南省自然科学基金;

关键词：

模拟电路; 故障诊断; 径向基神经网络; 粒子群算法; 小波包分解;

D O I：

暂无

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：

为了提高径向基神经网络(radial basis funtion neural network,RBFNN)进行模拟电路故障诊断的速度与准确性,提出了一种基于粒子群算法(particle swarm optimization,PSO)优化RBFNN的故障诊断方法。该方法利用PSO优化RBFNN的结构参数,克服了神经网络中模型结构和参数难以设置的缺点,避免了参数选择的盲目性;同时对模拟电路的响应信号采用小波包分解,提取有效故障特征。仿真结果表明,方法具有更高的诊断精度和更快的收敛速度,能有效地实施模拟电路的故障定位。

引用

页码：72 / 74+111 +111

页数：4

共 11 条

[1] 基于粒子群优化径向基神经网络在模拟电路故障诊断中的应用 [J].