China S&T Journals

Relevance

Relevance
Publication time

10 per page

10 per page
20 per page
30 items are displayed on each page

14 Articles

基于脊波网络的模拟电路故障诊断北大核心CSCDCSTPCD
Authors：肖迎群何怡刚
《电工技术学报》 2010年6期《电工技术学报》 Issue 6,2010
Keywords：小波脊波脊波网络模拟电路故障诊断
Abstract：将脊波与神经网络进行有机的结合,构造了一种新型的用于模拟电路故障诊断的脊波网络系统,并给出了基于最速梯度下降法与动量法相结合的训练算法和电路故障诊断的方法及步骤。由于脊波能有效地处理高维函数直线状和超平面状的奇异性,因此将脊波作为神经网络隐层的激活函数从而构成的脊波网络能有效地处理复杂的电路故障信息从而对故障做出正确的分类。实验结果证实了这种新型方法的有效性。
基于多分辨分析和WNN的模拟电路故障诊断北大核心CSTPCD
Authors：王辉彭良玉
《现代电子技术》 2014年6期《现代电子技术》 Issue 6,2014
Keywords：多分辨分析小波神经网络模拟电路故障诊断数据采集
Abstract：提出了一种基于多分辨分析和小波神经网络（WNN）相结合的模拟电路故障诊断方法。该方法利用了多分辨分析优异的时频特性，提取采集数据中的故障特征参数值，结合小波神经网络强大的非线性分类、学习、泛化能力及精度高、收敛速度快等特性，将得到的输入数据进行归一化处理作为小波神经网络的输入对其进行训练，并将训练的结果应用于滤波器电路故障诊断。结果表明，该方法实现了对故障模块的定位，是一种有效的模拟电路故障诊断方法。
SA-LM优化WNN及其在模拟电路故障诊断中的应用CSTPCD
Authors：欧伦伟刘辉张杰彭善华
《长沙理工大学学报：自然科学版》 Issue 4,2012
Keywords：模拟退火Levenberg-Marquardt连续型小波神经网络模拟电路故障诊断
Abstract：针对连续紧凑型小波神经网络（WNN）收敛速度慢问题，提出了用Levenberg-Marquardt（LM）算法改进的小波神经网络LM-WNN．为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点，利用模拟退火（SA）算法对小波神经网络的参数进行优化，得到一组接近全局最小值的近似解，把近似解作为小波神经网络权值和阈值矩阵的初始值，以确保LM-WNN收敛于全局最小点．把SA-LM-WNN用于模拟电路故障诊断，仿真结果表明，该算…More>>
基于集成模糊神经网络的容差模拟电路故障诊断方法CSTPCD
Authors：韩宝如崔蕾
《现代电子技术》 2013年4期《现代电子技术》 Issue 4,2013
Keywords：模糊神经网络模拟电路故障诊断集成神经网络学习速率可变
Abstract：为了解决容差模拟电路故障诊断,采用了一种集成T-S模糊神经网络的故障诊断方法,首先应用PSpice软件仿真得到故障数据,其次对故障数据进行小波分解并归一化处理,获得神经网络训练样本,然后将样本分配到每个T-S模糊神经网络中进行训练和测试.采用学习速率可变的附加动量BP算法训练网络权值,使其稳定性与收敛速度达到最佳.仿真结果证明:该方法收敛速度快、正确诊断率高,能有效地实现对模拟电路故障的诊断.
基于神经网络方法的模拟电路故障诊断研究北大核心CSTPCD
Authors：周晶晶程慧华安明刘琼俐
《现代电子技术》 2015年23期《现代电子技术》 Issue 23,2015
Keywords：小波变换模拟电路故障诊断神经网络特征向量
Abstract：小波变换是一种时频分析方法，具有多分辨率特性，被誉为数学显微镜；而BP神经网络具有较好的泛化能力，很适合判断电路状态属于哪种故障类型的分类问题。将二者结合起来，采用基于小波神经网络的模拟电路故障诊断方法，应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取，然后利用BP神经网络对各种状态下的特征向量进行分类决策，实现模拟电路的故障诊断。通过对电路进行仿真，证明该方法能够实现故障检测及定位，具有准确率高的特点。
结合OCSVM的模拟电路故障诊断方法CSCDCSTPCD
Authors：王俭臣单甘霖段修生张岐龙
《计算机工程》 2012年4期《计算机工程》 Issue 4,2012
Keywords：模拟电路故障诊断支持向量机一类支持向量机决策函数正负类间隔参数选择
Abstract：基于支持向量机的传统模拟电路故障诊断方法对新故障无检测能力,且可扩展性较差.针对该问题,提出结合一类支持向量机(OCSVM)和多类支持向量机(MCSVM)的故障诊断方法.该方法采用OCSVM对故障数据进行检测和初步分类,采用MCSVM提高分类性能,以弥补OCSVM分类能力的不足.对OCSVM算法进行改进,以提高其检测和分类性能.通过模拟电路故障诊断实验验证OCSVM改进算法和联合故障诊断方法的有效性.
基于相应簇回声状态网络静态分类方法北大核心CSCDCSTPCD
Authors：郭嘉雷苗彭喜元
《电子学报》 2011年z1期《电子学报》 Issue z1,2011
Keywords：回声状态网络时间窗模拟电路故障诊断
Abstract：借鉴模仿哺乳动物大脑皮层分簇结构的复杂网络拓扑结构,提出一种基于相应簇储备池回声状态网络的分类方法.将时间窗函数机制引入到回声状态网络储备池的构建中,利用具体问题中需分类数据的类别数量,生成具有对应分簇数目的储备池,以期提高分类精度.基于标准数据集和模拟电路故障诊断的实验验证结果表明,本文方法与标准回声状态网络等方法相比具有更高的分类精度.
小波包变换和支持向量机模拟电路故障诊断方法北大核心CSCDCSTPCD
Authors：申宇皓孟晨张磊傅振华石纯
《火力与指挥控制》 Issue 11,2009
Keywords：小波包变换支持向量机模拟电路故障诊断
Abstract：为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.
基于同步优化的支持向量机模拟电路故障诊断方法研究北大核心CSTPCD
Authors：申宇皓孟晨张磊傅振华石纯
《太原理工大学学报》 Issue 4,2010
Keywords：小波包变换支持向量机模拟电路故障诊断离散粒子群
Abstract：支持向量机模拟电路故障诊断涉及到特征提取、特征选择和支持向量机的参数优化等问题,它们都对诊断结果有直接的影响.针对这一问题,提出了一种基于改进的离散粒子群算法的同步优化方法.该算法采用非线性惯性权重和遗传操作相结合的方法,提高了粒子群前期迭代的探索能力和后期迭代的开发能力,同时降低了粒子群陷入局部最优的风险.通过模拟电路的仿真实验,验证了同步优化方法和改进的离散粒子群算法的有效性.
基于小波神经网络的模拟电路故障诊断方法研究北大核心CSTPCD
Authors：周晶晶吴文全许炎义孙金明
《现代电子技术》 2015年6期《现代电子技术》 Issue 6,2015
Keywords：小波变换模拟电路故障诊断神经网络故障特征提取
Abstract：小波变换是一种时频分析方法，具有多分辨率特性，被誉为数学显微镜，而BP神经网络具有较好的泛化能力，很适合于判断电路状态属于哪种故障类型的分类问题。本文将二者结合起来，采用基于小波神经网络的模拟电路故障诊断方法。应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取，然后利用BP神经网络对各种状态下的特征向量进行分类决策，实现模拟电路的故障诊断。通过对电路进行仿真，证明该方法能够实现故障检测及定位，具有准确率高的特点。

12 >