基于案例库推理法的模拟电路故障诊断技术研究  

New Method for Analog Circuit Fault Diagnosis Based on Case-based Reasoning

作　　者：顾凡一[1] 王友仁[1] 黄三傲[1] 姚睿[1] 张砦[1] 崔江[1] 

机构地区：[1]南京航空航天大学自动化学院,江苏南京210016

出　　处：《计算机测量与控制》2005年第9期921-923,共3页Computer Measurement &Control

基　　金：航空科学基金资助项目(04I52068);国家自然科学基金资助项目(60374008);南京航空航天大学科研创新基金资助项目(S0271-033)

摘　　要：针对目前模拟电路故障诊断中的技术难点,提出了基于案例库推理法(CBR)的模拟电路故障诊断方法。利用K个最邻近法(K Nearest Neighbors:KNN)来解决模拟电路故障诊断中的案例分类与提取,提出了应用粒子群算法(Particle Swarm Optimization:PSO)来优化KNN中权值参数的新方法。通过应用实例分析,证明了所提出的新故障诊断方法相比传统的故障诊断方法来说具有简单、聚类性好、诊断精度高的优点。Case-based reasoning （CBR） was applied to the diagnosis of the analog circuit faults. This paper focuses on the application of K Nearest Neighbors （KNN） to solve the classification of the cases and extract the case similar to the on-diagnosing circuit. A new method, adopting PSO to optimize the coefficients of KNN was presented. Then, the information got from the case was used to judge the state of the on-diagnosing circuit. As experiments have shown, this method can turn out higher-quality results compared with traditional methods.

关 键 词：模拟电路 故障诊断 CBR KNN PSO 

分 类 号：TN431.1[电子电信—微电子学与固体电子学]