基于KLLDA和ELM的新型模拟电路故障诊断方法

• 作者: 廖丽 杨艳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 模拟电路 早期故障诊断 核局部线性判别分析 极限学习机器
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 51-56,116
• 页数: 7页
• 分类号: TN925|TP3
• 字数: 4118字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.009

摘要

模拟电路是工业设备中最重要的元器件,其故障可能造成重大的人员伤亡,甚至造成巨大的经济损失.针对这一问题,提出一种基于核局部线性判别分析(Kernel Local Linear Discriminant Analysis,KLLDA)的故障诊断方案.利用小波分析和统计分析对原始信号进行预处理,得到原始特征集;利用KLLDA方法进行降维,并与核主成分分析(Kernel Principal Component Analysis,KPCA)和核线性判别分析(Kernel Linear Discriminant Analy-sis,KLDA)方法进行比较;采用极限学习机(Extreme Learning Machine,ELM)对测试电路的故障进行定位.对两个故障诊断案例的实验结果表明了该方法的有效性,并表明KLLDA在降维方面总体上优于KPCA和KLDA.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖丽		15	18	3.0	3.0
2	杨艳		9	6	2.0	2.0