融合小波包分解和CSA的电路故障诊断方法

• 作者: 孙建红 宋柄翰 张少瑶
• 来源期刊: 电路与系统
• 学科: 工学
• 关键词: 故障诊断 小波包分解 克隆选择算法 聚类中心
• 年，卷（期）: dlyxt,（2）
• 页码范围: 50-57
• 页数: 8页
• 分类号: TP39

摘要

模拟电路的基本特性使得模拟电路故障诊断非常困难。针对此问题提出一种融合小波包分解和克隆选择算法(CSA)的模拟电路故障诊断新方案。首先对模拟电路输出的各类故障电压信号进行小波包分解、重构以及频谱分析,获得相应频谱的频带能量作为故障特征样本,包括训练样本和测试样本。然后用克隆选择算法对训练样本进行自学习,得到各类训练样本的最优聚类中心。最后根据测试样本与聚类中心的欧氏距离对故障进行分类,实现电路故障元件定位。实验结果表明该方法有较高的诊断准确率和较短的收敛时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙建红		15	52	4.0	6.0
2	张少瑶		1	0	0.0	0.0
3	宋柄翰		1	0	0.0	0.0