基于IGWO算法优化的SVM模拟电路故障诊断

• 作者: 刘冬梅 岳长喜 梅恒荣 熊魁
• 来源期刊: 微电子学与计算机
• 关键词: 改进灰狼优化算法 支持向量机 模拟电路 故障诊断
• 年，卷（期）: 2019,（1）
• 页码范围: 16-21
• 页数: 6页
• 分类号: TP277
• 语种: 中文

摘要

为提高基于支持向量机(SVM)模拟电路故障诊断的准确率和优化效率,在灰狼优化(GWO)算法的基础上,通过引入非线性收敛因子、动态权重和边界变异策略,提出了一种改进灰狼优化(IGWO)算法优化SVM参数(IGWO-SVM)的改进型分类器.首先,在Sallen-Key带通滤波器和四运放双二次高通滤波器电路中采集故障样本,并对故障样本进行小波包特征提取;然后,将特征提取后的样本划分为训练样本和测试样本,利用IGWO算法来优化SVM中的惩罚参数C和核参数γ,得到最优的SVM分类器模型;最后,与其他算法优化的SVM分类器进行对比,结果表明IGWO-SVM分类器可以防止种群陷入局部最优,同时收敛速度有了较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘冬梅	合肥工业大学电气与自动化工程学院	21	114	5.0	10.0
2	岳长喜		12	55	5.0	7.0
3	熊魁		7	17	2.0	4.0
4	梅恒荣	合肥工业大学电气与自动化工程学院	3	12	2.0	3.0