基于小波包和BAGRNN的模拟电路故障诊断方法

• 作者: 吴汝琴 岑德炼 滕全进 胡鸿志
• 来源期刊: 微电子学与计算机
• 关键词: 广义回归神经网络 蝙蝠算法 小波包变换 故障诊断 模拟电路
• 年，卷（期）: 2018,（4）
• 页码范围: 42-45,52
• 页数: 5页
• 分类号: TP277
• 语种: 中文

摘要

为了克服模拟电路故障诊断中诊断模型预测精度普遍不高且训练时间过长的问题,提出一种基于小波包和BAGRNN的模拟电路故障诊断新方法.该方法选取比BP神经网络更具优势的广义回归神经网络(generalized regression neural network,GRNN)作为网络模型,用小波包变换获取电路故障特征,并利用全局搜索能力强,搜索速度快的寻优算法-蝙蝠算法(bat algorithm,BA)优化GRNN的平滑因子构建出BAGRNN模型,最后利用优化后的FOAGRNN模型进行故障识别分类.仿真实验结果表明,BAGRNN诊断方法较其他方法大大缩短了样本训练时间,具有很高的预测精度,平均诊断正确率可达97.1875％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡鸿志	桂林电子科技大学电子工程与自动化学院	26	153	6.0	12.0
2	岑德炼	桂林电子科技大学电子工程与自动化学院	2	4	1.0	2.0
3	吴汝琴	桂林电子科技大学电子工程与自动化学院	2	4	1.0	2.0
4	滕全进	桂林电子科技大学电子工程与自动化学院	3	4	1.0	2.0