基于智能信息處理的模擬電路故障診斷研究.pdf

1、隨著問題模型，深入研究了故障信號特征提取和模式識別兩個(gè)構(gòu)成模擬電路系統(tǒng)診斷問題模型的重要步驟，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)診斷問題模型方法。均獲得一定的成果，提高了模式識別分類識別精確度。本文的成果如下：
　　（1）針對模擬電路具有的元國民經(jīng)濟(jì)水平的極大提高，人們對電子應(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。該方法首先對待測的電路診斷問題模型的初始信號運(yùn)用預(yù)處理過程，使信號在接下來的處理中更加高效。接著利用提升小波包分解對信號向量進(jìn)行多分辨率分析處理，同時(shí)利用正則化等措施對小波譜能量等故障特征向量進(jìn)行二次處理。
　?。?）針對支持向量機(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)診斷問題模型算法。該方法針對待診斷的模擬電路提取故障信號向量作為模式識別的輸入樣本集合，通過對過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)了電路診斷問題模型的模式識別成果，極大改善了電路故障問題分類模型的準(zhǔn)確度和能力。
　　（3）對于目前模擬電路故障識