积分商城

最新搜索： all03 sky1311 dac8552 ADS1256 ORCAD 线性恒流驱动芯片
您现在的位置是：首页 > 技术资料 > 基于特征优选模拟电路故障诊断方法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于特征优选模拟电路故障诊断方法

更新时间：2020-09-10 18:25:00 大小：366K 上传用户：守着阳光1985查看TA发布的资源 标签：模拟电路故障诊断 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器，然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此，提出了基于马氏距离的粒子群优化算法，为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后，将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断，实验结果表明，基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。

Traditionally, multi-fault diagnosis of analog circuits based on least squares support vector machine （LSSVM） usually uses a single feature vector combination to train all binary LSSVM classifiers. However, in fact, each binary LSSVM classifier has different classification accuracy for different feature vector combinations. Therefore, the Mahalanobis distance （MD） based on particle swarm optimization （PSO） is proposed to select a near-optimal feature vector combination for each binary classifier. Then, the near-optimal feature vector combinations are used to train and test LSSVM for diagnostics of the incipient faults in analog circuits. The experimental results show that the accuracy using the near-optimal feature vector...

部分文件列表

文件名 大小
基于特征优选模拟电路故障诊断方法.pdf 366K

【关注视频号领20积分】   【关注公众号立即送20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号