基于智能信息處理的模擬電路故障診斷研究.pdf

1、隨著問(wèn)題模型，深入研究了故障信號(hào)特征提取和模式識(shí)別兩個(gè)構(gòu)成模擬電路系統(tǒng)診斷問(wèn)題模型的重要步驟，提出了基于預(yù)處理和提升小波包變換算法的特征提取方法，基于改進(jìn)粒子群算法與最小二乘支持向量機(jī)相結(jié)合的模擬電路系統(tǒng)診斷問(wèn)題模型方法以及基于強(qiáng)關(guān)聯(lián)的分?jǐn)?shù)階傅立葉變換與極限學(xué)習(xí)機(jī)的模擬電路系統(tǒng)診斷問(wèn)題模型方法。均獲得一定的成果，提高了模式識(shí)別分類(lèi)識(shí)別精確度。本文的成果如下：
　?。?）針對(duì)模擬電路具有的元國(guó)民經(jīng)濟(jì)水平的極大提高，人們對(duì)電子應(yīng)用領(lǐng)域

2、產(chǎn)生了更加廣泛的認(rèn)知與深入的了解。本課題針對(duì)模擬電路的系統(tǒng)診斷器件存在容差、故障模型極端復(fù)雜多樣、故障信息不完整和故障信號(hào)非平穩(wěn)非線性等難點(diǎn)，提出了基于預(yù)處理和提升小波包變換算法的特征提取方法。該方法首先對(duì)待測(cè)的電路診斷問(wèn)題模型的初始信號(hào)運(yùn)用預(yù)處理過(guò)程，使信號(hào)在接下來(lái)的處理中更加高效。接著利用提升小波包分解對(duì)信號(hào)向量進(jìn)行多分辨率分析處理，同時(shí)利用正則化等措施對(duì)小波譜能量等故障特征向量進(jìn)行二次處理。
　　（2）針對(duì)支持向量機(jī)泛化能力

3、不足的特點(diǎn)，提出了基于改進(jìn)粒子群算法與最小二乘支持向量機(jī)結(jié)合的模擬電路系統(tǒng)診斷問(wèn)題模型算法。該方法針對(duì)待診斷的模擬電路提取故障信號(hào)向量作為模式識(shí)別的輸入樣本集合，通過(guò)對(duì)過(guò)去粒子群方法存在難以跳出局部極小值以及早熟收斂或停滯等現(xiàn)象問(wèn)題作出整體判斷，提出出利用優(yōu)化模擬退火算法改進(jìn)粒子群－最小二乘支持向量機(jī)的算法。該方法改進(jìn)了電路診斷問(wèn)題模型的模式識(shí)別成果，極大改善了電路故障問(wèn)題分類(lèi)模型的準(zhǔn)確度和能力。
　　（3）對(duì)于目前模擬電路故障識(shí)