粒子群算法优化特征和神经网络的模拟电路故障诊断

《粒子群算法优化特征和神经网络的模拟电路故障诊断》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、粒子群算法优化特征和神经网络的模拟电路故障诊断　　摘要：模拟电路受到自身特性和外界环境的影响，故障变化具有非线性、时变性，针对当前模拟电路故障诊断模型的特征和分类器参数不匹配的难题，提出一种粒子群算法选择特征和神经网络的模拟电路故障诊断模型。首先对当前模拟电路故障诊断现状进行分析，指出它们存在的缺陷；然后提取模拟电路故障诊断特征，利用神经网络作为模拟电路故障诊断分类器；最后采用粒子群算法对模拟电路故障特征与神经网络参数进行优化，在Matlab2012平台进行了仿真实验。结果表明，该模型的模拟电路故障诊断性能要远远优于其他参比模型，具有广泛的应用前景。　　关键词

2、：模拟电路；特征选择；故障诊断；神经网络；粒子群算法　　中图分类号：TN710.4?34；TP183文献标识码：A文章编号：1004?373X（2016）19?0140?04　　Abstract：Theanalogcircuitisinfluencedbyitscharacteristicsandexternalenvironment，anditsfaultisnon?linearandtime?varying.Theavailablefaultdiagnosismodelsofanalogcircuitaredifficulttosolvethematchp

3、roblemoffeaturesandclassifierparameters，ananalogcircuitfaultdiagnosismodelbasedonparticleswarmalgorithmoptimizingfeatureandneuralnetworkispresented.Thecurrentsituationsofanalogcircuitfaultdiagnosisareanalyzed，andtheir6shortcomingsarepointedout.Thefeaturesofanalogcircuitfaultdiagnosi

4、sareextracted.Theneuralnetworkisusedastheclassifierofanalogcircuitfaultdiagnosis.Theanalogcircuitfaultfeaturesandneuralnetworkparametersareoptimizedwithparticleswarmoptimization，andsimula?tedwithMatlab2012.Theresultsshowthattheperformanceoftheproposedmodelissuperiortothatofotherrefe

5、rencemodels，andhaswideapplicationprospects.　　Keywords：analogcircuit；featureselection；faultdiagnosis；neuralnetwork；particleswarmoptimization　　0引言　　当前电网系统规模不断增大，各种电路越来越复杂，电路出现故障的概率急剧上升，相对于数字电路，模拟电路工作环境更加复杂，再加上自身特性，模拟电路故障诊断具有更加重要的实际应用价值，一直是电网系统研究中的重点[1]。6　　国内外学者对模拟电路故障诊断进行了相应的探索和研究，提出了

6、许多有效的模拟电路故障诊断模型[2]。当前模拟电路故障方法主要分为传统模型和现代模型两类方法，传统模型主要有专家系统与灰色理论等[3?4]，属于线性的模拟电路故障诊断模型，对小规模模拟电路故障诊断效果好，但对于大规模的模拟电路，建模效率低，同时由于模拟电路工作状态与特征间是一种复杂的非线性关系，传统模型无法描述其变化特点，故障诊断正确率急剧下降，难以满足模拟电路故障诊断的实际应用要求[5]。现代模型基于非线性理论进行模拟电路故障诊断建模，主要有神经网络与支持向量机等[6?7]，现代模型通过自适应学习拟合电路工作状态与特征间的非线性关系，成为当前模拟电路故障诊断

7、的主要研究方向，其中支持向量机的训练过程相当耗时，很难满足模拟电路的故障诊断要求，应用范围受到一定的限制[8]。神经网络的学习速度要快于支持向量机，且模拟电路故障诊断结果不错，尤其是BP神经网络进行故障诊断时，速度较快，应用最为广泛[9]。BP神经网络的模拟电路故障诊断结果与参数相关，如参数选择不当，则会导致模拟电路故障诊断性能下降[10]。模拟电路的状态特征同时亦与诊断结果密切相关，然而当前模拟电路故障诊断模型将神经网络参数与特征选择问题分开考虑，完全割裂了两者之间的关系，无法构建高准确率的模拟电路故障诊断模型[11]。　　针对当前模拟电路故障诊断中的特征和

8、神经网络参数不匹配的问题，提出一种粒子