基于DBN特征提取的模拟电路早期故障诊断方法

论文摘要

针对当前模拟电路早期故障诊断中特征提取方法的不足,提出了应用深度置信网络（deep belief network, DBN）进行特征提取的方法。利用混沌粒子群优化算法,对DBN中受限玻尔兹曼机的学习率开展优化,进一步提升特征提取的性能。相比于其他常用的特征提取方法,提出的DBN特征提取方法可提取出早期故障深度和本质的特征,且具有相同的故障聚集程度高、不同故障的分离能力极为明显的特点。应用二级四运放双二阶低通滤波器仿真电路和Sallen-Key带通滤波器电路板进行早期故障诊断实验,得到的故障诊断正确率分别为98.13%和100%。

论文目录

文章来源

类型: 期刊论文

作者: 张朝龙,何怡刚,杜博伦

关键词: 模拟电路,早期故障诊断,深度置信网络,特征提取,混沌粒子群优化

来源: 仪器仪表学报 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 无线电电子学,自动化技术

单位: 武汉大学电气与自动化学院,安庆师范大学物理与电气工程学院

基金: 国家自然科学基金(51607004,51977153,51577046),国家自然科学基金重点项目(51637004),国家重点研发计划“重大科学仪器设备开发”(2016YFF0102200),装备预先研究重点项目(41402040301)资助

分类号: TN710;TP277

DOI: 10.19650/j.cnki.cjsi.J1905283

页码: 112-119

总页数: 8

文件大小: 2370K

下载量: 412

相关论文文献

标签：模拟电路论文;  早期故障诊断论文;  深度置信网络论文;  特征提取论文;  混沌粒子群优化论文;