资源描述:
《模拟电路论文:基于改进的支持向量机的模拟电路故障诊断方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、模拟电路论文:基于改进的支持向量机的模拟电路故障诊断方法研究【中文摘要】模拟电路的可靠性决定了电子设备系统的可靠性,因此,提高模拟电路故障诊断水平具有重要的现实意义。随着模拟电路复杂度和密集度的不断增长,模拟电路故障诊断水平也需要不断提高,以保证电路的可靠运行。目前,基于支持向量机算法的模拟电路故障诊断技术是一个研究热点,不仅具有重要的学术理论价值,而且具有实际应用意义。本文以辽宁省自然科学基金项目“基于支持向量机电气电子系统故障诊断及预测新方法研究”为背景,研究并实现了基于改进支持向量机的模拟电路故障诊断方法。本文应用PSpice获取待诊断电路在各种状态下的时域响应及频
2、域响应等信息,对待诊断电路在正常及故障状态下的电压向量进行特征提取。在系统学习了统计学习理论、支持向量机算法、常用核函数性能、参数优化方法的基础上,针对现有支持向量机多类分类算法的优缺点,结合模拟电路故障诊断对分类精度的特定要求,给出了适合模拟电路故障诊断的新算法—基于改进的支持向量机算法。该方法融合了修剪大规模样本集的学习策略、二叉树支持向量机分类算法改进和增量学习算法。采用一种新的类距离生成支持向量机二叉树,当有新的增量样本出现时,引入增量学习的算法。开发了基于改进支持向量机算法的模拟电路故障诊断实验平台,做了大量的模拟电路故障诊断实验,包括应用不同支持向量机算法的四
3、个模拟电路的故障诊断和两个复杂工业过程的故障诊断。将本文改进的支持向量机算法同其他支持向量机算法进行了比较,分析了采用不同核函数时本文算法的故障诊断效果。通过对不同的模拟电路仿真研究,证明了与传统的支持向量相比,本文的改进支持向量机算法的分类精度高,诊断速度快。【英文摘要】Thereliabilityofanalogcircuitdeterminesthereliabilityoftheelectronicsystem,sofaultdiagnosislevelofanalogcircuitisextremelyimportant.Withtheever-increasi
4、ngintensityandcomplexityofanalogcircuit,faultdiagnosishasputforwardhigherrequirementstoensurereliabilityofthecircuit.Now,thefaultdiagnosismethodbasedonsupportvectormachineisonehotcurrentstudy.Ithastheimportantvalueofacademictheoryandpracticalapplicationmeaning.BasedontheLiaoningprovincena
5、turesciencefundproject’Newmethodsbasedonsupportvectormachinestudyforfaultdiagnosisandforecastofelectricandelectronsystem’,thethesisresearchesandrealizesfaultdiagnosismethodofanalogcircuitbasedonsupportvectormachines.ThethesisaccesstimedomainandfrequencydomainresponsesofthecircuitfromPSpic
6、e,extractthevoltagecharacteristicfeaturebothinthenormalstateandinthefaultstateofthecircuit.Basedonthelearningofstatisticallearningtheory、supportvectormachinealgorithm、theperformanceofcommonlyusedkernelfunctionandparameteroptimizationmethod,consideringtheadvantagesanddisadvantagesofexistin
7、gsupportvectormachinemulti-classificationalgorithmandthespecificclassificationprecisionrequirementsofanalogcircuitfaultdiagnosis,thethesisproposeimprovedsupportvectormachinealgorithm.Thealgorithmincludepreprocessingthesampletrainingset、improvementofthebinarytreeclas