收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

模拟电路故障诊断的特征提取及支持向量机集成方法研究

唐静远  
【摘要】: 模拟电路故障诊断的研究是电路测试领域中极具挑战性的前沿和热点研究课题。由于模拟电路响应的连续性、非线性性和元件参数的容差性等固有的特点以及模拟电路故障的多样性和复杂性,使得传统的故障诊断理论和方法在实际的模拟电路故障诊断中难以达到预期的效果。因此研究高效的、适应模拟电路发展的故障诊断理论和方法尤为重要。近年来迅速发展并在模式识别等领域得到成功应用的集成学习和多重分形分析方法为模拟电路故障诊断提供了好的思路。模拟电路故障诊断的主要任务是首先提取和选择有效的故障特征,然后采用有效方法对故障进行识别和定位。结合现代测试技术、信号处理和模式识别等理论和技术,本文深入研究了模拟电路的故障特征提取及基于支持向量机(SVM)集成和多重分形分析的模拟电路故障诊断方法。论文的主要研究工作及成果如下: (1)模拟电路故障诊断的特征提取方法研究。快速有效地提取反映电路状态的故障特征,是模拟电路故障诊断的重要环节。针对有效采样点特征提取方法、离散小波变换特征提取方法和小波包分解特征提取方法等常用方法的不足,提出了联合时频域(JTFD)和双树复小波分形(DTCWTF)两种特征提取方法。JTFD方法通过提取信号在时域和频域内的高阶统计特征作为特征向量,很好地反映电路在各种状态下的不同特性,有利于区分不同种类的故障且计算方法简单。DTCWTF方法充分利用了小波和分形两种方法具有自相似性和认识事物由粗到细的过程一致性本质及双树复小波能够同时提取信号的幅值信息和相位信息的优点。DTCWTF方法提取的故障特征具有一定抗噪声能力,具有分类器设计简单,故障分类率较高等优点。 (2)模拟电路故障诊断的多重分形分析研究。非线性元件的参数不仅随着元件本身的伏安特性变化,而且还随着工作点的变化而变化等原因,使非线性电路的故障诊断比线性电路的故障诊断更加复杂和困难。本文研究了基于多重分形分析的非线性模拟电路故障诊断方法,提出了多重分形消除趋势波动分析和小波领袖多重分形分析两种方法,并将其应用于非线性模拟电路的故障分析与诊断。以( ) ( )??αmin ,αmax ,Δα, fαmin , fαmax,Δf??向量作为故障特征进行非线性模拟电路故障诊断,并与基于小波包特征、JTFD特征和DTCWTF特征的故障诊断方法的结果进行比较,实验结果表明基于多重分形特征的故障诊断方法获得更高的故障诊断率。其中,Δα=αmax ?αmin, ( ) ( )Δf = fαmax ? fαmin,α是奇异性指数, f是奇异谱函数。 (3)基于特征选择和SVM参数优化的模拟电路故障诊断方法研究。在实际的故障诊断中,采集的故障数据往往包含很多与故障信息不相关或冗余的变量,严重影响SVM的分类性能,同时过多的变量也增加了计算代价,导致实时性变差;SVM参数选择合适与否也会严重影响分类的效果。本文提出了用混合粒子群优化算法和交叉熵方法解决模拟电路故障诊断中的特征选择和SVM参数优化问题。对模拟电路进行故障诊断实验,结果显示两种方法都可以较好地选择最优特征子集和优化SVM参数;使用优化的特征子集和SVM参数进行故障诊断,获得较高的故障诊断正确率。交叉熵方法比混合粒子群优化算法有更高的效率和故障诊断正确率。 (4)基于SVM集成的模拟电路故障诊断方法研究。简单采用一对多(OAA)等策略构造的多分类SVM不能满足模拟电路故障诊断的要求。为提高多分类SVM的故障诊断正确率,提出了三种基于SVM集成的故障诊断方法:融合层次支持向量机(HSVM)和Dempster-Shafer(D-S)理论方法、融合支持向量数据描述(SVDD)和D-S理论方法及改进的AdaBoost-SVM方法。在融合HSVM和D-S理论的故障诊断方法中,通过D-S理论融合多个不同决策消除HSVM各层次节点的累积误差,提高预测精度,改善了HSVM的分类性能。在实际故障诊断中经常遇到正常状态下的样本容易获得而故障状态下的样本不易获得的状况,融合SVDD和D-S理论的故障诊断方法利用SVDD只需使用正常状态下的样本进行训练就能够对测试样本进行预测的优点;同时应用D-S证据理论消除SVDD构造的多分类器产生判决的混叠问题,提高了故障诊断正确率。改进的AdaBoost-SVM故障诊断方法利用故障诊断正确率和差异度共同作用的度量函数来评价SVM集成分类器的泛化能力;采用具有随机性和遍历性的Logistic混沌映射改变SVM的核参数和正则化参数,构造出大差异度的成员SVM,使集成的分类器不仅有较高的分类正确率而且有较好的泛化能力。对模拟电路进行故障诊断,实验结果证明提出的三种SVM集成故障诊断方法能够获得比OAA-SVM和HSVM等多分类方法更好的故障诊断性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙蕾,周明全,耿国华;基于医学图像的数学规划支持向量机[J];计算机工程;2005年19期
2 王丽;周新立;尉询楷;;基于支持向量机的故障诊断方法及其应用[J];火力与指挥控制;2006年04期
3 于春梅;潘泉;程咏梅;张洪才;;基于核主元提取的支持向量机辨识[J];数学的实践与认识;2009年01期
4 杨晓敏,吴炜,黎涛,何小海;基于Gabor变换和支持向量机的车牌字符识别算法[J];四川大学学报(工程科学版);2005年05期
5 曹伟炯;李玉杰;;一种基于支持向量机的数字调制识别方法[J];电子测量技术;2009年02期
6 范伊红;韩爱意;;一种基于不变矩和SVM的车型识别器设计[J];软件导刊;2007年21期
7 杜选;;基于支持向量机的车牌字符识别研究与应用[J];计算机系统应用;2008年08期
8 周松华;肖靓;郭鸣;;基于SVM的图像分类研究[J];井冈山学院学报;2009年03期
9 赵立志;李辉;陈海东;魏士勇;;支持向量机在说话人识别系统中的应用[J];China's Foreign Trade;2011年14期
10 朱晓霞,孙同景,陈桂友,李振华;基于SVM的两级指纹分类研究[J];电子技术应用;2005年08期
11 牛强;王志晓;陈岱;夏士雄;;基于支持向量机的Web文本分类方法[J];微电子学与计算机;2006年09期
12 张晓飞;万福才;刘朋;;主元分析法(PCA)在图像颜色特征提取中的应用[J];沈阳大学学报;2006年05期
13 陈若珠;于小宁;李战明;;基于DSP的啤酒瓶缺陷识别系统的研究[J];微计算机信息;2007年11期
14 黄剑华;唐降龙;刘家锋;徐莉莉;;一种基于Homogeneity的文本检测新方法[J];智能系统学报;2007年01期
15 汤井田;胡丹;龚智敏;;基于SVM的图像纹理特征分类研究[J];计算机工程与科学;2008年08期
16 孟娇茹;;航空发动机孔探损伤识别方法[J];黑龙江科技学院学报;2009年01期
17 肖汉光;蔡从中;;基于SVM的非特定人声调识别的研究[J];计算机工程与应用;2009年09期
18 郑继明;俞佳;;基于小波变换和支持向量机的音频分类[J];计算机工程与应用;2009年11期
19 党培;谭联;;基于支持向量机技术的粮虫图像分类技术研究[J];电脑知识与技术;2009年18期
20 党培;谭联;;基于支持向量机技术的粮虫图像分类技术研究[J];粮食流通技术;2009年06期
中国重要会议论文全文数据库 前10条
1 郭小荟;马小平;;基于EMD近似熵特征提取和支持向量机的故障诊断方法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
2 朱晓霞;孙同景;陈桂友;;基于支持向量机理论的两级指纹分类实现方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
4 牛强;王志晓;陈岱;夏士雄;;基于支持向量机的Web文本分类方法[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
5 罗云林;徐文君;;基于支持向量机的航空发动机内窥损伤识别[A];2006中国控制与决策学术年会论文集[C];2006年
6 郭相科;刘进忙;曹学斌;张玉鹏;;子类独立分量分析在声目标识别中的应用[A];中国声学学会2007年青年学术会议论文集(上)[C];2007年
7 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
8 詹玉龙;刘明明;李邦辉;;基于支持向量机的船用主柴油机气缸盖故障诊断[A];第十五届全国大功率柴油机学术会议论文集[C];2007年
9 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
10 吴峰崎;孟光;张桂才;;基于高级统计量的碰摩不对中故障特征提取[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 唐静远;模拟电路故障诊断的特征提取及支持向量机集成方法研究[D];电子科技大学;2010年
2 吴婷;自发脑电脑机接口模式识别关键技术与实验研究[D];上海交通大学;2008年
3 蒋永华;旋转机械非平稳信号微弱特征提取方法研究[D];重庆大学;2010年
4 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年
5 冯坤;基于内积变换的机械故障特征提取原理与早期识别方法研究[D];北京化工大学;2012年
6 赵海滨;脑—机接口的特征提取和分类方法研究[D];东北大学;2009年
7 张旗;基于属性的图像分类研究[D];大连海事大学;2005年
8 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年
9 苏彩红;墙地砖质量自动检测技术的研究[D];华南理工大学;2004年
10 宋余庆;医学图像数据挖掘若干技术研究[D];东南大学;2005年
中国硕士学位论文全文数据库 前10条
1 王虹;支持向量机在骨龄评价系统中的应用研究[D];昆明理工大学;2005年
2 曾红梅;情绪图片视觉诱发EEG特征提取与分析[D];天津大学;2012年
3 陈卫;基于支持向量机的说话人识别系统研究[D];华北电力大学(河北);2005年
4 陈军;基于支持向量机的脱机手写体汉字识别方法的研究[D];合肥工业大学;2006年
5 任爽;基于XML和SVM的Web文本挖掘研究[D];大连理工大学;2006年
6 唐孝;支持向量机(SVM)及其在心电图(ECG)分类识别中的应用[D];四川师范大学;2007年
7 王晓晶;支持向量机在脑功能模式识别和分类中的研究[D];天津师范大学;2009年
8 张淼;基于支持向量机的文本分类系统研究[D];大庆石油学院;2008年
9 周辉;齿轮故障的特征提取与模式识别技术研究[D];郑州大学;2005年
10 朱丹红;数字图书馆基于内容的图像检索技术的研究[D];福州大学;2006年
中国重要报纸全文数据库 前10条
1 燕海霞;王忆勤;李福凤;脉象信号研究日渐深入[N];中国医药报;2005年
2 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年
3 王竣;深入开发CAD系统对疾病诊断有重要意义[N];中国医药报;2007年
4 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
5 北京数码空间信息技术有限公司技术总监 刘斌;Web Mining:第二代网络信息处理技术[N];计算机世界;2000年
6 上海 高博;让电脑“听懂”人话[N];电脑报;2008年
7 记者 何腾江 通讯员 周汇成;验钞新技术通过鉴定[N];中山日报;2008年
8 孙哲南 谭铁牛;生物识别的十大关键技术[N];计算机世界;2007年
9 本报记者 刘洪宇;当机器听懂了我们的声音[N];辽宁日报;2008年
10 林木树;反垃圾邮件有待新突破[N];人民邮电;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978