基于粒子群算法优化支持向量机的模拟电路诊断  

Analog circuit fault diagnosis based on particle swarm optimization SVM

作　　者：胡云艳[1] 彭敏放[1] 田成来[1] 谭虎[1] 宋丽伟[1] 沈美娥[2] 

机构地区：[1]湖南大学电气与信息工程学院,长沙410082 [2]北京信息科技大学,北京100101

出　　处：《计算机应用研究》2012年第11期4053-4055,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目(60673084;60973032;61173108);湖南省自然科学基金资助项目(10JJ2045);湖南省学位与研究生教育教改项目(JG2011C004)

摘　　要：为了提高支持向量机网络(SVM)进行模拟电路诊断的准确率,提出了一种基于粒子群(PSO)算法和支持向量机的诊断方法。该方法首先对被测电路的响应信号进行多小波变换,通过归一化处理得到分类能力强的最优故障特征;然后用粒子群算法优化支持向量机的结构参数,实现对不同故障模式分类识别。仿真结果表明,此方法能有效提高模拟电路故障诊断准确率。In order to improve the ccuracy of analog circuit fault diagnosis using support vectour machine（SVM）network,this paper proposed the method based on particle swarm optimization（PSO） and SVM.It preprocessed the response signals of the analog circuit using multiwavelet transform and obtained the optimal fault feature with better classification capacity using energy normalization.Then,after training the SVM by PSO,inputted the features into the ensemble SVM to identify different fault cases.Simulation results indicate that this method can effectively enhance the analog fault diagnostis accuracy.

关 键 词：故障诊断 模拟电路 粒子群优化 多小波变换 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]