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
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
收藏
页码:1789 / 1791+1827 +1827
页数:4
相关论文
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)