江苏大学学报(自然科学版)

作者：王力1，贾欣雨2

单位：1. 中国民航大学 职业技术学院， 天津 300300； 2. 中国民航大学 电子信息与自动化学院， 天津 300300

关键词：模拟电路, 故障诊断, 特征提取, 支持向量机, 参数优化

基金：国家自然科学基金委员会与中国民用航空局联合基金资助项目（U1733119）

针对模拟电路输出信号存在的非线性、高维数等特点所带来的诊断困难问题，提出一种支持向量机（SVM）分类器参数优化算法，进行模拟电路故障诊断.首先，运用S变换与灰度共生矩阵(GLCM)组合方法S-GLCM，对电路输出信号进行故障特征提取.其次，采用粒子群算法(PSO)与粒子滤波算法(PF)融合，通过重采样实时更新粒子的位置和速度，对SVM参数进行高效寻优，并将特征向量代入模型中进行训练和测试，完成对电路各故障模式的高精度故障诊断.最后，通过两个国际基准电路试验对该方法进行可靠性分析.试验结果表明：S-GLCM在处理非线性、非平稳信号时表现出很大优势，将电路输出信号每组1 500个采样点降为8维特征向量，减少冗余信息；该SVM分类器参数优化算法的诊断准确率较未优化算法提升约11.2%.

来源：2023年第2期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2023年第2期