好文档 - 专业文书写作范文服务资料分享网站

多分类SVDD混叠域识别的模拟电路故障诊断

天下 分享 时间: 加入收藏 我要投稿 点赞

多分类SVDD混叠域识别的模拟电路故障诊断

仝 奇1,胡双演1,叶 霞1,张仲敏2,李俊山1

【摘 要】摘要:针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,利用带异类样本的SVDD算法重新训练,直至所有超球优化完毕;仿真实验验证了文章算法消除混叠和提高精度的能力,并将该算法应用于模拟电路故障诊断中;相较与SVDD多分类算法、一对一和一对多SVM算法,文章方法在模拟电路故障诊断中具有更高的诊断精度。 【期刊名称】计算机测量与控制 【年(卷),期】2016(024)001 【总页数】4

【关键词】支持向量域数据描述;混叠;异类样本;故障诊断;模拟电路

0 引言

随着电子技术的飞速发展,导弹电子防护装备中的电路板集成度越来越高,结构和功能也日趋复杂,而模拟电路的故障诊断和维修能力相对较弱。模拟电路的测试由于受条件和人员水平的限制,往往无法获得完备信息,再加上当前电路中器件的紧密性,单故障可能引发多故障,导致故障诊断难度加大,采用传统的故障诊断方法已不能满足现有装备的故障维修要求。因此,研究合适的模拟电路混叠故障诊断方法对确保装备的有效性能及战争的胜利具有重要意义。 支持向量数据域描述(support vector data description,SVDD)[1]是一种常用的典型单分类器,不少研究者[2-4]将其扩展到多分类应用,即多分类

多分类SVDD混叠域识别的模拟电路故障诊断

多分类SVDD混叠域识别的模拟电路故障诊断仝奇1,胡双演1,叶霞1,张仲敏2,李俊山1【摘要】摘要:针对多分类支持向量域数据描述(SVDD)方法中混叠样本诊断精度差的问题,提出了一种带异类样本的多分类SVDD算法;该方法在普通SVDD超球模型基础上,对于存在混叠区域的类别,以该类所有样本为目标类,其他类与之混叠的样本为异类,
推荐度:
点击下载文档文档为doc格式
8g3ps95thg7916095eiv3gyk618jli007yu
领取福利

微信扫码领取福利

微信扫码分享