基于混合核函数PSO-SVM的模拟电路故障诊断

doi:10.3969/j.issn.1006-2475.2017.01.008

计算机与现代化

基于混合核函数PSO-SVM的模拟电路故障诊断

(河海大学能源与电气学院，江苏南京 211100)

收稿日期:2016-05-30 出版日期:2017-01-12 发布日期:2017-01-11
作者简介:裴杰才(1989-)，男，河南开封人，河海大学能源与电气学院硕士研究生，研究方向：模拟电路故障诊断，人工智能; 李志华(1965-)，男，江苏兴化人，副教授，研究方向：模拟电路故障诊断，人工智能，嵌入式工程，新能源。

Analog Circuit Fault Diagnosis Based on PSO-SVM of Hybrid Kernel Function

(College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China)

Received:2016-05-30 Online:2017-01-12 Published:2017-01-11

摘要/Abstract

摘要： 针对模拟电路故障诊断中应用传统支持向量机算法存在的问题，提出由粒子群算法优化混合核函数支持向量机模型对模拟电路进行故障诊断的新方法。首先，对待诊断电路进行瞬态分析，记录输出点的电压值，采用小波包技术对输出值进行特征提取；其次，由粒子群算法优化混合核函数支持向量机的核函数权重和结构参数，用训练好的模型进行故障诊断，该方法不仅降低参数选择时的随机性，而且故障诊断的精确度提升了5%左右。在对某高通滤波器模拟电路进行的故障诊断中，验证了该方法的有效性。

关键词: 混合核函数支持向量机, 粒子群算法, 小波包技术, 模拟电路, 故障诊断

Abstract: For the question caused by traditional support vector machine algorithm in analog circuit fault diagnosis, the way using support vector machine algorithm of hybrid kernel function (HSVM) and particle swarm optimization (PSO) is proposed. First, after analyzing the transient circuit under test, and writing down the output voltage, wavelet package is used to extract the output voltage feature; second, we use PSO to optimize the kernel weight and structure parameters of HSVM; last, the trained model is used to diagnose the fault. This method not only reduces the randomness of parameters selection, but also the accuracy of simulation result is improved 5%. The effectiveness is proved during the process of fault diagnosis in high-pass filter analog circuit.

Key words: support vector machine of hybrid kernel function, particle swarm optimization, wavelet package, analog circuit, fault diagnosis

中图分类号:

TP183

裴杰才，李志华，丁伟聪. 基于混合核函数PSO-SVM的模拟电路故障诊断[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.01.008.

PEI Jie-cai, LI Zhi-hua, DING Wei-cong. Analog Circuit Fault Diagnosis Based on PSO-SVM of Hybrid Kernel Function[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.01.008.

参考文献

[1] 左磊,侯立刚,张旺,等. 基于粒子群-支持向量机的模拟电路故障诊断[J]. 系统工程与电子技术, 2010,32(7):1553-1556.

[2] 汪洪桥,孙富春,蔡艳宁,等. 多核学习方法[J]. 自动化学报, 2010,36(8):1037-1050.

[3] 刘明,周水生,吴慧. 一种新的混合核函数支持向量机[J]. 计算机应用, 2009,29(S2):167-168.

[4] 邬啸,魏延,吴瑕. 基于混合核函数的支持向量机[J]. 重庆理工大学学报(自然科学), 2011,25(10):66-70.

[5] 刘春卫,罗健旭. 基于混合核函数的PSO-SVM分类算法[J]. 华东理工大学学报(自然科学版), 2014,40(1):96-101.

[6] 欧阳俊,陆锋,刘兴权,等. 基于多核混合支持向量机的城市短时交通预测[J]. 中国图象图形学报, 2010,15(11):1688-1695.

[7] Ranaee V, Ebrahimzadeh A, Ghaderi R. Application of the PSO-SVM model for recognition of control chart patterns[J]. ISA Transactions, 2010,49(4):577-586.

[8] Siwek K, Osowski S, Markiewicz T. Support vector machine for fault diagnosis in electrical circuits[C]// Proceedings of the 7th Nordic Signal Processing Symposium (NORSIG). 2006:342-345.

[9] 王安娜,邱增,吴洁,等. 基于SVM多类分类算法的模拟电路软故障诊断[J]. 东北大学学报(自然科学版), 2008,29(7):924-927.

[10] 谌璐,贺兴时,王芳妮,等. 一种基于PSO的混合核支持向量机算法[J]. 西安工程大学学报, 2012,26(6):815-819.

[11] Chen Li-wei, Zhang Ye. Speech recognition based on cooperative particle swarm optimizer wavelet neural network[C]// Proceedings of the 2007 International Conference on Wavelet Analysis and Pattern Recognition (ICWAPR'07). 2007,2:716-720.

[12] 李晴. 基于优化机器学习算法的模拟电路故障诊断研究[D]. 长沙:湖南大学, 2013.

[13] 李晓波,李志华,王春晨. 基于覆盖算法的雷达模拟电路故障诊断研究[J]. 信息技术, 2014(10):110-113.

[14] 陆晶,李志华. 基于核覆盖的模拟电路软故障诊断方法[J]. 信息技术, 2016(1):162-166.

[15] 徐江燕,李志华,徐江飞,等. 基于故障树的专家系统在雷达电源故障诊断中的应用[J]. 计算机与现代化, 2012(4):212-214.

[16] Wang Wancheng, Jin Xiaoxiao. An optimization tuning method of nonlinear non-minimum phase systems and its application to chemical process[C]// Proceedings of the 26th Chinese Control and Decision Conference (CCDC 2014). 2014:4929-4935.

基于混合核函数PSO-SVM的模拟电路故障诊断

Analog Circuit Fault Diagnosis Based on PSO-SVM of Hybrid Kernel Function

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘付琪, 张达, 宋建华, 王海东. 基于CNN-BiLSTM的液压系统故障诊断[J]. 计算机与现代化, 2023, 0(09): 10-19.
[2]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[3]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[4]	江蕾, 唐建, 杨超越, 吕婷婷. 基于CWGAN-GP与CNN的轴承故障诊断方法[J]. 计算机与现代化, 2023, 0(07): 1-6.
[5]	刘付琪, 张达. 基于PSO-DBN的液压系统冷却器故障诊断[J]. 计算机与现代化, 2023, 0(06): 7-14.
[6]	王磊, 张晓东, 戴欢. 基于1D-CNN-LSTM注意力网络的抽油机井故障诊断[J]. 计算机与现代化, 2023, 0(04): 1-6.
[7]	陈刚, 王志坚, 徐胜超. 基于粒子群算法的移动边缘计算任务分配方法[J]. 计算机与现代化, 2022, 0(11): 32-36.
[8]	黄玲, 白晓波. 基于PSO-KPLS的教师科研绩效预测[J]. 计算机与现代化, 2022, 0(06): 8-12.
[9]	刘志锋, 舒志浩, 胥越峰, 杨舒伊, 沈文龙. 基于PSO自适应双策略的人工鱼群算法[J]. 计算机与现代化, 2022, 0(05): 46-53.
[10]	张彦虎, 鄢丽娟, 马志愤, 张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法[J]. 计算机与现代化, 2022, 0(05): 54-60.
[11]	李凌, 陈曦, 沈维捷, 熊汉武, 蔡冉冉. 面向电工装备智能监造的边缘缓存策略[J]. 计算机与现代化, 2022, 0(05): 61-67.
[12]	梁正友, 王璐, 李轩昂, 杨锋, . 基于改进PSO-TrICP算法的点云配准[J]. 计算机与现代化, 2022, 0(05): 90-95.
[13]	柴晨境, 刘宾, 潘晋孝. 基于阈值筛选的室内定位优化算法[J]. 计算机与现代化, 2022, 0(04): 79-85.
[14]	林凡勤, 李明明, 郭红. 变压器故障诊断技术综述[J]. 计算机与现代化, 2022, 0(03): 116-126.
[15]	王哲, 王龙达, 刘罡, 王兴成, 王忠君, 鲍鲁杰. 基于三次样条插值的自动入库泊车免疫粒子群改进算法[J]. 计算机与现代化, 2022, 0(02): 7-12.