主成分分析法与概率神经网络在模拟电路故障诊断中的应用

• 作者: 何怡刚 刘美容 周炎涛 尹新 张洪波
• 来源期刊: 计算机测量与控制
• 关键词: 主成分分析法 特征提取 故障诊断 容羞电路 Matlab
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 自动化测试
• 页码范围: 1789-1791,1827
• 页数: 4页
• 分类号: TP206
• 语种: 中文

摘要

模拟电路故障的多样性使得神经网络训练样本数量增加,BP网络结构趋于复杂,训练速度降低;针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了基于主成分分析(PCA)与概率神经网络(PNN)相结合的模拟电路故障诊断方法;通过主成分分析法(Principal Component Analysis)提取特征数据进行降维处理,再结合概率神经网络(Probabilistic Neural Networks)对电路故障进行分类;实例说明采用PCA和PNN结合对故障数据处理,可以大大的提高故障诊断分类的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何怡刚	湖南大学电气与信息工程学院	426	5127	34.0	51.0
2	周炎涛	湖南大学电气与信息工程学院	42	618	13.0	24.0
3	尹新	湖南大学电气与信息工程学院	35	461	12.0	20.0
4	张洪波	湖南大学电气与信息工程学院	2	45	2.0	2.0
5	刘美容	湖南大学电气与信息工程学院	19	291	8.0	17.0