基于PCA-LVQ的模拟电路故障诊断
Analog circuit fault diagnosis based on PCA and LVQ
孙健 1王成华 2洪峰 2王蕾3
作者信息
- 1. 南京航空航天大学电子信息工程学院,江苏南京210016;南京信息职业技术学院,江苏南京,210046
- 2. 南京航空航天大学电子信息工程学院,江苏南京210016
- 3. 南京信息职业技术学院,江苏南京,210046
- 折叠
摘要
为了解决模拟电路故障难于识别的问题,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)的模拟电路故障诊断新方法.该方法用PCA提取模拟电路故障特征,然后将降维后的故障特征信息输入LVQ网络训练和故障模式的分类识别.通过对Sallen-Key带通滤波器电路的故障诊断实例表明,该方法是有效的,具有较高的故障诊断率.
Abstract
In order to solve the difficulty of recognition in analog circuit fault diagnosis,a new analog circuit fault diagnosis method based on principal component analysis (PCA) and learning vector quantization (LVQ) is proposed in this paper.PCA is applied to extract the feature of the response signals to circuit under test (CUT).Then the optimal feature is inputted into an LVQ network to train and identify different fault cases.The example of Sallen-Key bandpass filter circuit fault diagnosis shows that this method is effective and has higher fault diagnosis rate.
关键词
模拟电路/故障诊断/主成分分析/学习矢量量化神经网络Key words
analog circuit/fault diagnosis/Principal Component Analysis/Learning Vector Quantization引用本文复制引用
基金项目
国家自然科学基金(50907033)
江苏高校优势学科建设工程资助项目()
南信院科研基金(YKJ12-022)
出版年
2013
NETL
NSTL
维普
万方数据