学位论文 > 优秀研究生学位论文题录展示
基于SVDD和参数辨识的模拟电路故障诊断方法研究
作 者: 李传亮
导 师: 王友仁
学 校: 南京航空航天大学
专 业: 检测技术与自动化装置
关键词: 模拟电路 故障诊断 故障分类 支持向量机 支持向量域描述 遗传算法 参数辨识
分类号: TN710
类 型: 硕士论文
年 份: 2011年
下 载: 101次
引 用: 0次
阅 读: 论文下载
内容摘要
故障模式分类是模拟电路故障智能诊断方法的关键,它的研究对于提高故障诊断的准确率、保障诊断的有效性具有重要的意义。SVDD(支持向量域描述,Support Vector Domain Description)不仅具有参数少、精度高、全局最优等优点,而且效率高、扩展性强、有解决在线诊断问题的潜力,在模拟电路故障诊断中具有广阔的应用前景。传统模拟电路故障诊断方法中的参数识别诊断法和故障验证法,虽然性能不是十分理想、适用范围有限,但是依然有智能诊断方法替代的优势,对它们进行深入研究必定能够促进模拟电路故障诊断的较快发展。本论文以SVDD理论和遗传算法参数辨识为基础,研究了三种基于SVDD的模拟电路故障分类方法和两种基于参数辨识的模拟电路故障诊断方法:(1)基于离散度支持向量预选取SVDD的模拟电路故障分类方法。基于SVDD的模拟电路故障诊断方法中,训练样本数随着故障模式的增加而大幅增加,而SVDD应用于大规模数据集会遭遇计算时间和存储空间的瓶颈。针对这个问题,本文提出了样本离散度的概念,从理论上说明了离散度和支持向量的关系,并利用离散度对SVDD的支持向量进行预选取构成约简的训练样本集,以减少SVDD故障分类器的训练样本数。实验结果表明,离散度精确地反应了样本和支持向量之间的关系,与其他度量标准相比精度更高。基于离散度支持向量预选取的SVDD故障分类方法能够在保证分类精度的前提下,大幅提高故障分类器的训练效率、降低存储空间的需求。(2)基于二次映射SVDD的模拟电路故障分类方法。二次映射SVDD利用二次映射的方法,能够获得一个紧凑、对样本分布适用性更好的描述边界线。利用二次映射SVDD构造的故障分类器可以有效的减少故障模式空间的重叠、提高故障分类的正确率。故障诊断实验表明,基于二次映射SVDD的模拟电路故障分类方法有效的改善了SVDD故障分类的性能,提高了SVDD在模拟电路故障诊断中的适用性。(3)基于全样本SVDD的模拟电路故障分类方法。SVDD作为一种单值分类方法,忽略非支持向量所包含的样本信息对其多类分类的性能有较大影响。本文利用核密度估计和分类器模糊组合的思想,在传统SVDD故障分类决策规则中融入了非支持向量所包含的样本信息,提出了基于全样本SVDD的模拟电路故障分类方法。故障诊断实验表明,与传统基于SVDD的模拟电路故障诊断方法相比,基于全样本SVDD的模拟电路故障分类方法的精度得到较大幅度的提高,并且鲁棒性强、参数选取方便、诊断结果可靠。(4)基于参数辨识的模拟电路故障诊断方法,包括基于系统参数辨识的模拟电路模块级故障诊断方法、基于参数辨识的模拟电路故障验证诊断法两种。基于系统参数辨识的模拟电路模块级故障诊断方法根据系统参数和电路模块的对应关系,利用遗传算法辨识得到的系统参数对电路模块的故障进行定位并判别故障程度。基于参数辨识的模拟电路故障验证诊断法结合了故障验证法和参数辨识法的优点,利用遗传算法参数辨识验证故障元件集的同时得到故障元件的参数值。实验结果表明,两种诊断方法是有效的,适用于模拟电路参数性故障的诊断。本论文的研究工作受国家自然科学基金(60871009)、航空科学基金(2009ZD52045)以及江苏省研究生科研创新计划项目(CX10B098Z)的资助。
|
全文目录
摘要 4-6 ABSTRACT 6-11 图清单 11-14 表清单 14-17 注释表 17-18 第一章 绪论 18-23 1.1 课题研究的背景和意义 18-19 1.1.1 应用背景 18-19 1.1.2 理论背景 19 1.2 模拟电路故障诊断技术研究现状 19-20 1.3 SVDD 理论及应用技术研究现状 20-21 1.4 论文研究内容与组织结构 21-23 第二章 基于支持向量预选取SVDD 的模拟电路故障分类方法研究 23-40 2.1 引言 23-26 2.1.1 SVDD 理论简介 23-24 2.1.2 基于SVDD 的模拟电路故障诊断 24-25 2.1.3 SVDD 支持向量预选取方法概述 25-26 2.2 基于离散度的SVDD 支持向量预选取 26-28 2.2.1 离散度的概念 26-27 2.2.2 离散度和支持向量的关系 27-28 2.2.4 基于离散度的SVDD 支持向量预选取方法 28 2.3 基于离散度支持向量预选取SVDD 的模拟电路故障分类 28-29 2.4 基于UCI 数据集的性能评估实验 29-31 2.4.1 Iris 数据集 29-30 2.4.2 Spambase 数据集 30-31 2.4.3 实验结果分析 31 2.5 故障诊断实例 31-39 2.5.1 有源滤波电路 31-39 2.5.2 仿真实验结果分析 39 2.6 本章小结 39-40 第三章 基于二次映射SVDD 的模拟电路故障分类方法研究 40-62 3.1 引言 40-41 3.2 二次映射SVDD 41-44 3.2.1 二次映射的概念 41-42 3.2.2 二次映射SVDD 的理论和性质 42-44 3.3 基于二次映射SVDD 的模拟电路故障分类方法 44-45 3.4 故障诊断实例 45-61 3.4.1 半波整流电路 45-52 3.4.2 文氏桥振荡电路 52-60 3.4.3 仿真实验结果分析 60-61 3.5 本章小结 61-62 第四章 基于全样本SVDD 的模拟电路故障分类方法研究 62-78 4.1 引言 62-63 4.2 全样本 SVDD 63-65 4.2.1 核密度估计理论 63 4.2.2 分类器组合方法分析 63-64 4.2.3 全样本SVDD 64-65 4.3 基于全样本SVDD 的模拟电路故障分类方法 65-66 4.4 故障诊断实例 66-77 4.4.1 文氏桥振荡电路 66-71 4.4.2 有源滤波电路 71-76 4.4.3 仿真实验结果分析 76-77 4.6 本章小结 77-78 第五章 基于参数辨识的模拟电路故障诊断方法研究 78-102 5.1 引言 78-80 5.1.1 概述 78-79 5.1.2 遗传算法及在参数辨识中的应用 79-80 5.2 基于系统参数辨识的模拟电路模块级故障诊断方法 80-94 5.2.1 基本原理 80-81 5.2.2 故障诊断实例 81-93 5.2.3 仿真实验结果分析 93-94 5.3 基于参数辨识的模拟电路故障验证诊断方法 94-101 5.3.1 基本原理 94-96 5.3.2 故障诊断实例 96-100 5.3.3 仿真实验结果分析 100-101 5.4 本章小结 101-102 第六章 模拟电路故障诊断与测试实验研究 102-118 6.1 模拟电路测试诊断实验系统设计 102-104 6.1.1 实验平台介绍 102-103 6.1.2 实验方案设计 103-104 6.2 二次映射SVDD 故障分类方法验证实验 104-113 6.2.1 未去噪样本的故障诊断实验 104-108 6.2.2 去噪样本的故障诊断实验 108-112 6.2.3 实验结果分析 112-113 6.3 全样本SVDD 故障分类方法验证实验 113-117 6.4 本章小结 117-118 第七章 总结与展望 118-120 7.1 总结 118-119 7.2 展望 119-120 参考文献 120-125 致谢 125-126 在学期间发表的学术论文 126
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 基于DSP的感应电机矢量控制系统研究,TM346
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
中图分类: > 工业技术 > 无线电电子学、电信技术 > 基本电子电路 > 电子电路
© 2012 www.xueweilunwen.com
|