主成分分析法与概率神经网络在模拟电路故障诊断中的应用附视频

被引：20

作者：

张洪波

何怡刚

周炎涛

尹新

刘美容

机构：

[1] 湖南大学电气与信息工程学院

来源：

计算机测量与控制 | 2008年 / 12期

基金：

湖南省自然科学基金;

关键词：

主成分分析法; 特征提取; 故障诊断; 容差电路; Matlab;

D O I：

10.16526/j.cnki.11-4762/tp.2008.12.060

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：

模拟电路故障的多样性使得神经网络训练样本数量增加,BP网络结构趋于复杂,训练速度降低;针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了基于主成分分析(PCA)与概率神经网络(PNN)相结合的模拟电路故障诊断方法;通过主成分分析法(Principal Component Analysis)提取特征数据进行降维处理,再结合概率神经网络(Probabilistic Neural Networks)对电路故障进行分类;实例说明采用PCA和PNN结合对故障数据处理,可以大大的提高故障诊断分类的准确性。

引用

页码：1789 / 1791+1827 +1827

页数：4

共 7 条

[1] 主成分分析法和Fisher判别方法在汽油分类分析过程中的应用 [J].

王荣辉 ;

宗若雯 ;

王正洲 ;

廖光煊 .

中国科学技术大学学报, 2006, (12) :1331-1335+1341

[2] 概率神经网络在旋转机械故障诊断中的应用 [J].

高宏岩 .

煤矿机械, 2006, (05) :912-914

[3] 模拟电路的融合智能故障诊断 [J].

彭敏放 ;

何怡刚 ;

王耀南 ;

贺建飚 .

中国电机工程学报, 2006, (03) :19-24

[4] 基于BP神经网络的大规模电路模块级故障快速诊断方法 [J].

厉芸 ;

何怡刚 ;

徐卫林 ;

尹新 ;

刘美容 .

电路与系统学报, 2005, (04) :12-15

[5] 概率神经网络与BP网络模型在遥感图像分类中的对比研究 [J].

李朝锋 ;

杨茂龙 ;

许磊 ;

杨蒙召 .

国土资源遥感, 2004, (04) :11-13+18

[6]

模拟系统的故障诊断与可靠性设计[M]. 清华大学出版社 , 杨士元编著, 1993

[7]

Performance evaluation and dynamic node generation criteria for ‘principal component analysis’ neural networks[J] . E.S. Tzafestas,A. Nikolaidou,S.G. Tzafestas.Mathematics and Computers in Simulation . 2000 (3)

← 1 →