基于ALO-SVM的模拟电路故障诊断研究

• 作者: 王司 王晓峰 简春菲
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 蚁狮算法 支持向量机 模拟电路 故障诊断
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 电气传动
• 页码范围: 113-118
• 页数: 6页
• 分类号: TN710
• 字数: 3868字
• 语种: 中文

摘要

针对模拟电路故障定位难的问题,采用一种新兴的群体智能优化算法——蚁狮算法(ALO),来优化支持向量机(SVM)的惩罚因子和核函数,建立一种基于蚁狮算法优化支持向量机的模拟电路故障诊断模型.ALO算法采用了自适应边界收缩机制、精英主义、随机游走和轮盘选择机制等关键技术以提高收敛速度,避免陷入局部最优解.为验证诊断模型的有效性,仿真某实际电路并用小波变换提取电路的故障特征向量,分别用蚁狮算法、蝙蝠算法、粒子群算法、遗传算法优化SVM对电路的故障进行诊断.经过比较,蚁狮算法不仅大大缩短了模型的训练时间,而且诊断准确度也有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓峰	北京航空航天大学可靠性与系统工程学院	42	265	7.0	15.0
2	简春菲	北京航空航天大学可靠性与系统工程学院	1	0	0.0	0.0
3	王司	北京航空航天大学可靠性与系统工程学院	2	0	0.0	0.0