基于GMKL-SVM的模拟电路故障诊断方法.pdf

《基于GMKL-SVM的模拟电路故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３７卷第９期仪器仪表学报Ｖｏｌ３７Ｎｏ９２０１６年９月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＳｅｐ．２０１６基于ＧＭＫＬＳＶＭ的模拟电路故障诊断方法１，２１１１１张朝龙，何怡刚，袁莉芬，李志刚，项胜（１．合肥工业大学电气与自动化工程学院合肥２３０００９；２．安庆师范大学物理与电气工程学院安庆２４６０１１）摘要：提出了一种新颖的基于广义多核支持向量机（ＧＭＫＬＳＶＭ）的模拟电路故障诊断方法。首先，应用Ｈａａｒ小波分析提取被测电路时域响应信号的小波系数作为特征参量，并生成样本数据；然后，基于样本数据，应用量子粒子群算法对ＧＭ

2、ＫＬＳＶＭ的参数进行优化，并以此建立基于ＧＭＫＬＳＶＭ的故障诊断模型，用于区分模拟电路的各个故障。实例电路的单故障和双故障诊断实验结果表明，所提出的ＧＭＫＬＳＶＭ方法能较好地实现模拟电路故障诊断，与传统的ＧＭＫＬＳＶＭ方法相比，表现出了更好的性能，获得了更高的故障诊断正确率。关键词：模拟电路；故障诊断；小波变换；广义多核支持向量机；量子粒子群算法中图分类号：ＴＨ７０７文献标识码：Ａ国家标准学科分类代码：５１０．１０１０ＡｎａｌｏｇｃｉｒｃｕｉｔｆａｕｌｔｄｉａｇｎｏｓｉｓｂａｓｅｄｏｎＧＭＫＬＳＶＭｍｅｔｈｏｄ１，２１１１１ＺｈａｎｇＣｈａｏｌｏｎｇ，Ｈｅ

3、Ｙｉｇａｎｇ，ＹｕａｎＬｉｆｅｎ，ＬｉＺｈｉｇａｎｇ，ＸｉａｎｇＳｈｅｎｇ（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｑｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ａｎｑｉｎｇ２４６０１１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｎｏｖｅｌａｎａｌｏｇｃｉｒｃｕｉｔｆａｕｌｔｄｉａｇｎｏｓｉｓａｐｐｒｏａｃｈｉｓｐｒｅｓｅｎｔｅｄｂｙｕｓｉｎｇｇｅｎｅｒ

4、ａｌｉｚｅｄｍｕｌｔｉｐｌｅｋｅｒｎｅｌｌｅａｒｎｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＧＭＫＬＳＶＭ）ａｌｇｏｒｉｔｈｍ．Ｆｉｒｓｔｌｙ，ｔｈｅｗａｖｅｌｅｔｃｏｅｆｆｉｃｉｅｎｔｓｏｆｍｅａｓｕｒｅｄｔｉｍｅｒｅｓｐｏｎｓｅｓａｒｅｇｅｎｅｒａｔｅｄａｓｆｅａｔｕｒｅｓｂｙｕｓｉｎｇａＨａａｒｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ．Ｔｈｅｎ，ｗａｖｅｌｅｔｆｅａｔｕｒｅｓａｒｅｕｓｅｄａｓｓａｍｐｌｅｓｔｏｉｄｅｎｔｉｆｙｐａｒａｍｅｔｅｒｓｆｏｒＧＭＫＬＳＶＭｍｅｔｈｏｄｗｉｔｈｕｓｉｎｇｑｕａｎｔｕｍｂｅｈａｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔ

5、ｉｍｉｚａｔｉｏｎ（ＱＰＳＯ）ａｌｇｏｒｉｔｈｍ．Ａｓａｒｅｓｕｌｔ，ｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＧＭＫＬＳＶＭｍｅｔｈｏｄｉｓｃｏｎｓｔｒｕｃｔｅｄｔｏｄｉａｇｎｏｓｉｓａｎａｌｏｇｃｉｒｃｕｉｔｆａｕｌｔｓ．ＤｉｇｎｏｓｔｉｃｓｏｎｂｏｔｈｓｉｎｇｌｅｆａｕｌｔａｎｄｄｏｕｂｌｅｆａｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄＧＭＫＬＳＶＭｍｅｔｈｏｄｃａｎｏｂｔａｉｎｇｏｏｄｄｉａｇｏｓｔｉｃｐｅｒｆｏｒｍａｎｃｅｏｎａｎａｌｏｇｃｉｒｃｕｉｔｆａｕｌｔｄｉａｇｎｏｓｉｓ．Ａｄｄｉｔｉｏｎａｌｌｙ，ｃｏｍｐａｒｅｄｔ

6、ｏｔｈｅｔｒａｄｉｔｉｏｎａｌＧＭＫＬＳＶＭｍｅｔｈｏｄ，ｔｈｅｐｒｅｓｅｎｔｅｄａｐｐｒｏａｃｈｈａｓｈｉｇｈｅｒｄｉａｇｎｏｓｔｉｃｐｒｅｃｉｓｉｏｎ．Ｋｅｙｗｏｒｄｓ：ａｎａｌｏｇｃｉｒｃｕｉｔ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｇｅｎｅｒａｌｉｚｅｄｍｕｌｔｉｐｌｅｋｅｒｎｅｌｌｅａｒｎｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＧＭＫＬＳＶＭ）；ｑｕａｎｔｕｍｂｅｈａｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＱＰＳＯ）在机器学习方法应用于模拟电路故障诊断时，主要１引言包括特征提取和分类器选择两方面研

7、究内容。其中特征的提取是故障诊断时的首先需要解决的问题，对分类的模拟电路广泛地应用于家用电器、交通工具、工业自效率有着重要的影响。文献［１］提出将测量的脉冲响应动化以及国防装备等电子系统中，而模拟电路的故障诊信号作为输入量，用于建立分类模型，该方法计算量大且断已成为了当前热点研究领域，国内外针对该问题作了分类精度不高。应用小波分析的方法处理脉冲响应信大量的研究工作，其中机器学习的方法取得了广泛的肯号，获取小波量作为特征量，该方法在模拟电路故障诊断［１７］［２４］定和积极的研究成果。研究中获得了一致的认定和广泛的应用。收稿日期：２０１６０６ＲｅｃｅｉｖｅｄＤ