基于改进模糊聚类和支持向量机的模拟电路故障诊断

• 作者: 张松兰 田丽
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 模糊聚类 支持向量机 模拟电路 故障诊断
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 理论与实践
• 页码范围: 123-126,130
• 页数: 5页
• 分类号: TP181
• 字数: 3501字
• 语种: 中文

摘要

为解决神经网络训练需要大量的样本,且容易陷入局部最优,收敛速度慢等缺点,采用改进模糊聚类(IFC)和支持向量机(SVM)相结合的模拟电路故障诊断方法.利用小波分解技术提取待诊断电路的测试信息作为故障特征,在模糊聚类算法中为消除孤立点和噪声的影响,对不同样本点引入权值以提高聚类效果,结合改进的模糊聚类算法进一步降低故障特征的维数,将其作为支持向量机的输入量,进行模型训练并预测模拟电路的故障.仿真结果表明,此方法应用于电路故障诊断有效削减计算复杂度并提高了诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田丽	安徽工程大学电气工程学院	105	450	10.0	14.0
2	张松兰	芜湖职业技术学院电气工程学院	18	108	6.0	9.0