發(fā)布時間：2018-12-20 09:30

【摘要】：為了高速、高效的測試和診斷模擬電路,提出一種將局部均值分解(LMD)多尺度熵和極限學習機相結合的模擬電路故障診斷的新方法。該方法中,首先采用LMD將故障信號分解為若干個乘積函數(shù)(production function,PF);然后,求出各PF分量的多尺度熵并構造故障特征向量;最后,將特征向量輸入到極限學習機中進行訓練和測試。仿真實驗結果顯示采用該方法診斷時間只需0.028 74 s,診斷精度達到了98.89%。相較于其他3種方法有效減少診斷時間,提高故障診斷精度。
[Abstract]:In order to test and diagnose analog circuits with high speed and efficiency, a new method for fault diagnosis of analog circuits is proposed, which combines the local mean decomposition of (LMD) multi-scale entropy with the ultimate learning machine. In this method, the fault signal is first decomposed into several product functions (production function,PF) by LMD, then the multi-scale entropy of each PF component is obtained and the fault eigenvector is constructed. Finally, the eigenvector is input into the extreme learning machine for training and testing. The simulation results show that the diagnostic time is only 0.028 74 s and the diagnostic accuracy is 98.89 s. Compared with the other three methods, the diagnosis time is reduced and the fault diagnosis accuracy is improved.
【作者單位】： 湖南師范大學物理與信息科學學院;合肥工業(yè)大學電氣工程博士后流動站;合肥工業(yè)大學電氣與自動化工程學院;國網(wǎng)湖南省邵陽供電公司;
【基金】：國家自然科學基金(51577046);國家自然科學基金重點項目(51637004) 國家重點研發(fā)計劃“重大科學儀器設備開發(fā)”項目(2016YFF0102200) 湖南省教育廳項目(17C0956)資助
【分類號】：TN710

【相似文獻】

相關碩士學位論文 前1條

1 陳建萍;多尺度熵方法用于電子器件噪聲分析[D];西安電子科技大學;2007年

，

本文編號：2387798