收藏本站
《电子科技大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于提升小波及SVM优化的模拟电路智能故障诊断方法研究

宋国明  
【摘要】:模拟电路测试与故障诊断在电路设计、设备生产和仪器维护中发挥着关键作用,是目前学术研究者和工程师在电子测试领域中具有挑战性的重要课题。随着电子技术的迅速发展,模拟电路的复杂度和密集度不断增长,对模拟电路运行的可靠性提出了更为严格的要求。在模拟电路测试和故障诊断中,传统的故障诊断理论和方法不能很好地解决因元件容差性、输出响应的连续性和非线性等电路固有属性而造成的故障多样性和复杂性问题,研究切合实用、高效高性能的现代智能故障诊断理论和方法尤为迫切。故障特征提取和故障的有效识别是智能故障诊断中的两个关键环节,本文以现代测试技术为基础,结合小波分析和以支持向量机为代表的智能计算技术,深入研究了模拟电路的特征提取优化选择和分类器的优化设计在模拟电路智能故障诊断中的问题。本文取得了如下的成果: 研究了小波分析的模拟电路故障识别灵敏度及故障特征优化方法。小波变换在信号分析中具有良好时频局部性,比单纯的时域或频域分析方法更适合表示故障电路的特征,但不同的小波函数在故障识别中具有不同的性能。本文提出用均方根(RMS)测度量化小波在故障测试中的灵敏度,以类可分性准则选择提取故障特征的最优小波函数,达到故障特征的优化。实验结果说明本方法可有效地提高故障的识别精度。 研究了基于小波神经网络的模拟电路故障诊断方法的优化问题。针对传统的神经网络方法在模拟电路故障诊断中存在收敛速度慢、易于陷入局部极小的不足,将小波分析与神经网络结合,构建小波神经网络的模拟电路的故障诊断模型,利用小波函数具有的多分辨性等特点有效地提高了网络的收敛速度和降低了误诊率。为了解决网络结构冗余而造成训练收敛方向偏离全局最优点,使推广能力降低的问题,提出用遗传算法对小波神经网络的结构和参数进行优化的方法,该方法可获得小波神经网络的最佳结构,并提高了故障的诊断效率。 研究了提升小波-支持向量机的模拟电路故障诊断方法。由于小波神经网络在故障类型数目较大时,故障的分类和诊断受网络结构复杂性和样本复杂性的影响较大,提出了基于支持向量机(SVM)的故障诊断方法。支持向量机在处理小样本学习、样本的非线性和高维模式识别方面具有优势,极大地减少故障分类的计算时间。同时,将不受傅立叶分析限制、易实现整数小波分解的提升小波分析方法用于模拟电路的特征提取,能够精确地反应故障响应信号的特征信息。采用提升小波变换(Lifting Wavelet Transform,LWT)优化故障特征,可获取分类性能更高的故障特征向量。LWT和SVM的有效结合,可获得很好的故障诊断精度和效率。 研究了二叉决策树支持向量机(DBT-SVM)优化的模拟电路层级故障诊断方法。支持向量机是模拟电路故障诊断的有效方法,但其用于模拟电路多故障诊断时,多分类扩展策略与诊断的效率、正确率密切相关。当故障类型数目较多及存在不同故障模式的特征向量相似度高甚至混叠的情况下,常规策略构造的多分类SVM因未考虑故障特征的聚类特性,在故障的误识率增加的同时诊断效率也下降。DBT-SVM在减少不可分区域及提高分类效率方面有一定的优势,但需要对结构进行优化才能获得更好的性能。本文研究了两种DBT-SVM优化方法,分别用最小生成树SVM(MST-SVM)和故障特征融合的模糊聚类二叉树(FDBT-SVM)方法优化SVM多分类的组合策略,根据故障类之间的可分性测度,形成故障子类之间具有较大分类间隔的DBT-SVM,优化的DBT-SVM方法解决了不可分故障区域问题,有效地提高故障诊断的准确率和效率。
【学位授予单位】:电子科技大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TN710

【相似文献】
中国期刊全文数据库 前10条
1 王致杰,王耀才,李冬;现代大型设备故障智能诊断技术的现状与展望[J];煤矿机械;2003年07期
2 宁朝;基于SVM技术的英文字符识别方法[J];大众科技;2005年08期
3 费晓亮;屠大维;房彩云;;基于智能BDI Agent的复杂系统故障诊断[J];机械制造;2006年12期
4 王清翔;仲婷;潘金贵;;基于SVM的日文网页分类[J];广西师范大学学报(自然科学版);2007年02期
5 朱海涛;;浅析人工智能技术在设备故障诊断中的应用[J];四川有色金属;2009年02期
6 王冬艳;;基于专家系统的远程技术支持数字式服务系统[J];制造业自动化;2010年13期
7 邓三鹏;蒋永翔;徐小力;吴国新;;基于级联粗糙集的数控机床智能诊断方法的研究[J];机械与电子;2011年04期
8 赵书河,冯学智,都金康,林广发;基于支持向量机的SPIN-2影像与SPOT-4多光谱影像融合研究[J];遥感学报;2003年05期
9 吴翠娟,陈莹,王致杰,李冬;现代大型设备故障智能诊断技术的现状与展望[J];电子工程师;2003年12期
10 张键;于忠党;栾海滢;;基于SVM的教师评价系统研究[J];教育信息化;2006年03期
中国重要会议论文全文数据库 前10条
1 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
3 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
4 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
6 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
7 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
8 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
9 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
中国重要报纸全文数据库 前10条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 湖北 罗华;迎接时尚主板时代![N];电脑报;2003年
3 李健君;三一重工 推出混凝土成套设备[N];证券日报;2004年
4 翁军 徐亨通 孙树楠 沙志亮;凝眸海空[N];解放军报;2011年
5 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
6 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
7 刘刚 董拴牢;徐工向传统产业说再见[N];中国交通报;2002年
8 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年
9 魏彦坤 刘刚;当好筑路机械行业的排头兵[N];中国工业报;2008年
10 本报记者 徐恒;广州数控:挺进高端[N];中国电子报;2010年
中国博士学位论文全文数据库 前10条
1 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
2 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
3 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
4 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
5 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年
6 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
7 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年
8 王金林;基于混沌时间序列和SVM的入侵检测系统研究[D];天津大学;2010年
9 包鑫;稳健回归技术及其在光谱分析中的应用[D];浙江大学;2010年
10 渐令;基于核的学习算法与应用[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
2 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
3 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
4 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
5 曹云生;基于支持向量机(SVM)的森林生态系统健康评价及预警[D];河北农业大学;2011年
6 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年
7 姚玉;基于GA-SVM算法的细胞色素酶P450突变预测[D];上海交通大学;2011年
8 陈燃燃;基于SVM算法的web分类研究与实现[D];北京邮电大学;2010年
9 陈卓;基于聚类和SVM主动反馈的图像检索方法[D];重庆大学;2010年
10 冯青;基因微阵列数据的SVM分类器优化方法[D];东北师范大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026