基于BAPSO-LSSVM的故障诊断算法

• 作者: 任晓岳 王旭婧 钟英榕 陈长兴
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 模拟电路 故障诊断 Volterra级数 最小二乘支持向量机 粒子群
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 智能技术
• 页码范围: 3075-3079
• 页数: 5页
• 分类号: TP183
• 字数: 3025字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2016.11.038

摘要

针对模拟电路故障诊断样本高维复杂性带来诊断正确率低及时延过大的问题，提出一种基于 Volterra 级数与优化最小二乘支持向量机相结合的诊断方法。将 Volterra级数在电路故障特征提取方面的充分性，与经改进粒子群算法(BAP-SO)优化后的最小二乘支持向量机故障分类可靠性相结合，达到提升模拟电路故障诊断准确性与时效性的目的。Sallen-Key带通滤波器电路仿真结果表明，该算法较现有BP神经网络、最小二乘支持向量机故障诊断算法在准确率方面得到了提升，在诊断时间方面的优势随样本数量增多而增大。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈长兴	空军工程大学理学院	104	460	11.0	16.0
2	任晓岳	空军工程大学理学院	27	102	6.0	8.0
3	王旭婧	空军工程大学理学院	15	57	4.0	6.0
4	钟英榕	空军工程大学理学院	2	5	1.0	2.0