基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对模拟电路的软故障,提出一种基于混合粒子群算法的BP网络方法来诊断模拟电路中的故障.该方法是把遗传算法和粒子群算法结合起来优化BP网络的权值和阈值,试图解决传统的BP网络在模拟电路故障诊断过程中易陷入局部最小的问题.详细阐述了该算法的实现,给出了该算法的详细流程图,并通过仿真实例比较了传统BP网络与混合粒子群算法优化下的BP网络在故障诊断中的表现,给出了实验实例仿真结果的图形和数据表格.由仿真图形和数据表格,形象直观地看出了两种算法运用在模拟电路故障诊断中的差别,验证了混合粒子群算法优化BP网络在模拟电路故障诊断中的有效性及可行性.
推荐文章
粒子群算法优化特征和神经网络的模拟电路故障诊断
模拟电路
特征选择
故障诊断
神经网络
粒子群算法
采用多目标粒子群算法的模拟电路故障诊断研究
模拟电路
故障诊断
粒子群算法
灵敏度
基于粒子群优化LSSVM的模拟电路故障诊断方法
模拟电路
故障诊断
粒子群优化
最小二乘支持向量机
基于遗传粒子群算法的模拟电路故障诊断方法研究
遗传粒子群算法
小波包分解
模拟电路
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 混合粒子群算法优化BPNN在模拟电路故障诊断中的应用
来源期刊 控制工程 学科 工学
关键词 模拟电路 故障诊断 混合粒子群算法 BP网络
年,卷(期) 2014,(3) 所属期刊栏目 故障诊断、检测与监测装置
研究方向 页码范围 450-454
页数 5页 分类号 TP183
字数 5056字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李志华 河海大学能源与电气学院 58 261 8.0 13.0
2 朱卉 河海大学能源与电气学院 2 19 2.0 2.0
3 潘月 河海大学计算机与信息学院 3 19 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (72)
共引文献  (55)
参考文献  (7)
节点文献
引证文献  (12)
同被引文献  (71)
二级引证文献  (19)
1979(2)
  • 参考文献(2)
  • 二级参考文献(0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(1)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(28)
  • 参考文献(0)
  • 二级参考文献(28)
2006(18)
  • 参考文献(2)
  • 二级参考文献(16)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(11)
  • 引证文献(5)
  • 二级引证文献(6)
2019(12)
  • 引证文献(4)
  • 二级引证文献(8)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
模拟电路
故障诊断
混合粒子群算法
BP网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制工程
月刊
1671-7848
21-1476/TP
大16开
沈阳东北大学310信箱
8-216
1994
chi
出版文献量(篇)
5468
总下载数(次)
9
总被引数(次)
44239
论文1v1指导