位置:成果数据库 > 期刊 > 期刊详情页
基于曲波分析和ELM模拟电路故障诊断方法
  • ISSN号:1000-5900
  • 期刊名称:《湘潭大学自然科学学报》
  • 时间:0
  • 分类:TM133[电气工程—电工理论与新技术]
  • 作者机构:[1]湖南大学电气与信息工程学院,湖南长沙410082, [2]湖南科技职业学院电子信息工程与技术系,湖南长沙410004, [3]合肥工业大学电气与自动化学院,安徽合肥230009
  • 相关基金:国家杰出青年科学基金项目(50925727);国防科技计划项目(C1120110004,9140A27020211DZ5102);教育部科学技术研究重大项目(313018);安徽省科技计划重点项目(1301022036);湖南省科技计划项目(2010J4,2011JK2023);教育厅科学研究项目(11C0606);湖南省青年骨干教师(2011);国家自然基金项目(61102039);湖南省自然科学基金项目(14JJ7029),中央高校基金
中文摘要:

为提高模拟电路故障诊断特征信息提取的高效性和实现故障模式分类的准确性,提出一种基于曲线波理论的多尺度几何分析方法和超限学习机相结合的模拟电路故障诊断新方法.通过曲波变换使用空域带通滤波算子来分解不同的尺度,对模拟电路故障特征提取后重构系统,提高稳定性、高效性并达到最优逼近,结合超限学习机训练过程不需要迭代的突出性能,大大提高了故障诊断速度.通过与其他故障诊断方法比较,结果表明了该方法的有效性.

英文摘要:

To improve the efficiency of feature information and achieve the accuracy of fault mode classification in analog circuit fault diagnosis,this paper presented a new method of analog circuit fault diagnosis that based on multi-scale geometric analysis of curvelet theory and extreme machine learning.The fault feature extraction of analog circuit got to optimal approximation,by using a band pass filter operator to decompose different scales of curvelet transform and reconfigurable system,which improved the stability and efficiency.On this basis,it combined the outstanding performance of extreme machine learning which does not require iterative training and learning,which greatly improved the speed of fault diagnosis.Compared with other fault diagnosis methods,the results show the effectiveness of the proposed method.

同期刊论文项目
期刊论文 60 会议论文 4 获奖 1
同项目期刊论文
期刊信息
  • 《湘潭大学自然科学学报》
  • 北大核心期刊(2011版)
  • 主管单位:湖南省教育厅
  • 主办单位:湘潭大学
  • 主编:黄云清
  • 地址:湖南湘潭市
  • 邮编:411105
  • 邮箱:jxtus@xtu.edu.cn
  • 电话:0731-58292143
  • 国际标准刊号:ISSN:1000-5900
  • 国内统一刊号:ISSN:43-1066/N
  • 邮发代号:42-33
  • 获奖情况:
  • 全国优秀科技期刊,湖南省一级期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:4425