基于灵敏度特性函数的特征提取与故障诊断-论文.pdf

《基于灵敏度特性函数的特征提取与故障诊断-论文.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、电子测量技术第37卷第1期ELECTRONICMEASUREMENTTECHN()LOGY2014年1月基于灵敏度特性函数的特征提取与故障诊断潘强熊波(海军工程大学电子工程学院武汉430033)摘要：为解决电路故障诊断时故障可靠分类以及特征信息有效提取的问题，提出了一种基于灵敏度特性的故障样本分类和故障特征信息提取方法。基本思想是通过电路的特性分析和灵敏度的计算，进行故障样本的分类及优化，再根据灵敏度的计算结果提取相应特征信息。以此构造故障样本特征集，然后作为BP神经网络的输入对网络进行训练与诊断。对滤波器的仿真结果表明，该方法构造的样本集训练出来的神经网络，对模拟

2、电路故障诊断的平均正确率为85，优于传统方法。关键词：灵敏度；故障特征；BP神经网络；故障诊断中图分类号：TP206文献标识码：A国家标准学科分类代码：510．1050FeatureextractionandfaultdiagnosisbasedonsensitivitycharacteristicfunctionPanQiangXiongBo(ElectronicEngineeringCollege，NavalUniversityofEngineering，Wuhan430033，China)Abstract：Inthecircuitfaultdiagnosis，

3、inordertoSOlVethefaultreliableclassificationandfeatureinformationeffectiveextraction，thispaperpresentsamethodforextractingfaultclassificationandfaultinformationbasedonthecharacteristicofsensitivity．Thebasicideaisthroughthecircuitcharacteriza“onandsensitivitycalculations，faultclassifica

4、tionandoptimizationofthesample，accordingtothesensitivityoftheresultstOextractfeatureinformationaccordingly，inordertOconstructfaultsamplesfeatureset，andthenasBPneuralnetworkinputthenetworktraininganddiagnosis．Onthefiltersimulationresultsshowthatthismethodconstructsasamplesettrainedneura

5、lnetwork，theanalogcircuitfaultdiagnosis，theaverageaccuracywas85，betterthanthetraditionalmethods．Keywords：sensitivity；faultfeature；BPneuralnetwork；faultdiagnosis为解决上述问题，提出了基于灵敏度特性函数的故障1引言样本分类和特征提取方法，基本思想是通过电路的特性分电路故障智能化诊断技术不断发展，如神经网络技术，析和灵敏度的计算，进行故障样本的分类及优化，再由分类SVM技术等，但它们在快速、实用上还有很多不足。故

6、障后对应的灵敏度计算结果提取相应特征信息，进行故障信息的获取和处理对故障可靠分类和准确诊断有很大的影诊断。响，为使诊断准确可靠，要采集尽可能多的样本故障特征信息lr。但样本太多会占用大量的存储空间和计算时间，特2基于灵敏度特性函数的最优故障样本分类征输入多也会使训练过程中耗时费工，甚至妨碍训练网络2．1电路输出特性函数灵敏度s；分析。的收敛，最终影响分类精度。灵敏度是指电路中元件X偏离其标称值时，电路输出在提取故障特征时还有2种比较特殊的情况：一是特性函数的变化情况。若电路的输卅特性函数为了，对其某些元器件发生故障时，对输出响应的影响较小，从输]个有影响的元件参数为

7、X，则用s一表示灵敏度，即为出响应提取的故障特征量难以反映对应的故障模式；二f，n，是元器件发生故障对输出响应都有较大影响，但是不同特性函数相对于某一元件参数的变化率，较为常用的是相的元件故障对输出响应的影响过于接近，导致故障无法对灵敏度：区分。收稿日期：201310潘强等：基于灵敏度特性函数的特征提取与故障诊断第1期分，舍弃[s]中的z列，得到压缩后的故障样本特征矩阵s一署等一矗一[s]，其维数是×r(r