基于小波包和SGD-XGBoost的模拟电路故障诊断方法

• 作者: 石鹍 莫太平 詹乐 靳鹤
• 来源期刊: 微电子学与计算机
• 关键词: 随机梯度下降法 小波包变换 故障诊断
• 年，卷（期）: 2019,（4）
• 页码范围: 38-42
• 页数: 5页
• 分类号: TP277
• 语种: 中文

摘要

为了提高模拟电路故障诊断中预测模型的诊断精度,提出一种基于小波包和SGD-XGBoost的模拟故障诊断新方法.该方法用具有深度分解能力的小波包变换获取故障特征,并利用比渐进梯度决策树(Gradient Boost Decision Tree,GBDT)更具明显优势的XGBoost(eXtreme Gradient Boosting)算法进行故障诊断.在此基础上,选用简单且寻优能力强的随机梯度下降(Stochastic Gradient Descent algorithm,SGD)算法对XGBoost的学习率进行寻优,并构建出SGD-XGBoost模型.最后利用优化后的SGD-XGBoost模型进行电路故障识别分类.结果表明,XG-Boost算法优于在该领域应用较广泛的支持向量机和BP神经网络,且优化后的SGD-XGBoost诊断方法有效的提高了XGBoost算法的诊断精度,在故障占比为10％时,诊断正确率为93.75％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫太平	桂林电子科技大学电子工程与自动化学院	28	164	6.0	11.0
2	石鹍	桂林电子科技大学电子工程与自动化学院	3	2	1.0	1.0
3	靳鹤	桂林电子科技大学电子工程与自动化学院	1	2	1.0	1.0
4	詹乐	桂林电子科技大学电子工程与自动化学院	1	2	1.0	1.0