李泽宇
- 作品数：4 被引量：16H指数：3
- 供职机构：中国人民解放军海军工程大学电子工程学院更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于RBF神经网络的模拟电路故障诊断的研究被引量：7
- 2016年
- 对于模拟电路故障诊断问题,由于存在着容差以及非线性等问题,传统的诊断方法计算复杂,实用性比较差。神经网络作为现代故障诊断的代表方法,越来越受到人们的重视。常用的BP神经网络由于其收敛速度慢,结构难以确定等不足,在诊断过程中往往不能达到满意的效果。为了解决这一问题,论文提出了基于径向基函数(RBF)神经网络的模拟电路故障诊断方法。通过建立电路仿真模型,使用小波分解能量作为特征向量,利用RBF神经网络实现模拟电路的故障诊断。实验证明,使用这一方法,可以有效实现模拟电路的故障诊断。
- 李泽宇吴文全
- 关键词：神经网络故障诊断特征提取
- 一种基于小波神经网络的电路故障诊断研究被引量：3
- 2016年
- 小波神经网络具有较好的特征提取和消噪能力,能够应用于模拟电路的故障诊断中。然而由于其收敛速度慢、容易陷入局部最小的特点限制了其更加全面的应用。文中研究了基于紧致型小波神经网络的诊断方法,它通过合理地选取相应的小波函数,利用其时频局部特性优化神经网络的结构,得到了较为合理的网络模型,具有较好的逼近能力且有效避免了陷入局部最优的问题。通过实例分析可以得出,该方法具有较好的故障诊断能力,能够应用于模拟电路的故障诊断,具有一定的研究价值和应用前景。
- 李泽宇吴文全
- 关键词：小波理论神经网络模拟电路故障诊断
- 基于量子粒子群优化的SVM的模拟电路故障诊断被引量：5
- 2016年
- 相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。
- 李泽宇吴文全
- 关键词：小波包变换支持向量机量子粒子群算法
- 基于小波包特征熵和粒子群优化的模拟电路故障诊断被引量：2
- 2016年
- 随着电路系统集成化和复杂化的发展,电路故障诊断技术越来越受到学者的重视,其中模拟电路由于其自身的特殊性成为研究中的一个难点。本文运用小波包特征熵作为电路故障特征的提取方法,选取支持向量机作为故障分类器,采用粒子群算法优化支持向量机的参数,将优化后的支持向量机与小波包特征熵相结合,共同完成对模拟电路故障的识别。通过对仿真实例的分析,验证该诊断方法的有效性和实用性。
- 李泽宇吴文全
- 关键词：支持向量机粒子群算法参数优化
