- 1
- 2
- 3
- 4
- 5
基于mRMR原则和优化SVM的模拟电路故障诊断
资料介绍
为了解决模拟电路故障诊断中有效特征提取困难和提高故障诊断的准确率，提出了一种基于最小冗余最大相关（minimum redundancy maximum relevance，mRMR）原则和优化支持向量机（support vector machine,SVM）的模拟电路故障诊断新方法。该方法利用mRMR原则对待诊断电路响应信号进行特征提取，将得到的最优故障特征输人SVM进行故障分类识别，并用遗传算法（genetic algorithm，GA）优化SVM的核参数，避免参数选择的盲目性，提高模型的诊断精度。实验结果表明该方法是有效的，提高了模拟电路故障诊断精度。
In order to solve the difficulty of effective feature extraction and improve the accuracy of fault diagnosis in analog circuit fault diagnosis, a new analog circuit fault diagnosis method based on minimum redundancy maximum relevance （mRMR） principle and optimal support vector machine （SVM） is proposed in this paper. The mRMR principle is applied to extract the response signal feature of the circuit under test （CUT）. Then the obtained optimal fault feature is inputted into a SVM network to identify different fault classes, and genetic algorithm（GA） is used to optimize the kernel parameters of SVM, avoid the blindness in parameter selection and improve the diag...
部分文件列表
| 文件名 | 大小 |
| 基于mRMR原则和优化SVM的模拟电路故障诊断.pdf | 373K |
全部评论(0)