摘要
针对模拟电路的故障诊断和定位问题,提出了一种基于支持向量机分类器(SVC)和最近邻分类器(NNs)的模拟电路故障诊断新策略,利用SVC解决高维故障样本的分类问题,而采用NNs解决故障样本间的重叠问题。首先建立"1-v-r"结构的SVC对电路故障样本进行训练,并根据训练参数构建故障字典;其次,在测试阶段,根据算法决定利用SVC或NNs对未知样本进行测试。本文设计的故障分类器方法简单,结构确定,通过对两个模拟电路的实验表明,所提出的方法性能要优于常规的"1-v-r"支持向量机分类器;与"1-v-1"支持向量机分类器的诊断性能较为接近,但测试时间较后者显著减少,较为适合模拟电路的故障诊断。
Focusing on the issue of analog circuit fault diagnosis and location, this paper proposes a novel strategy of fault diagnosis by combing the support vector machine classifier （SVC） and the nearest neighbor （NN） classifier. The SVC is used to classify the high-dimension fault samples, and the NN classifier is used to recognize the overlapped samples. Firstly, the ＂1-v-r＂ SVC is utilized to train the fault samples; after training, the parameters are stored as a fault dictionary. Secondly, in the test stage, the SVC or the NN classifier is employed, depending on the results of the algorithm, to diagnose the unknown sample. The classifier proposed here has a simple but fixed structure. The simulation for two analog circuits reveals that the performance of the proposed fault classifier is superior to that of the conventional ＂1-v-r＂ SVC, close to that of the ＂1-v-1＂ SVC, and the test time consumed is less than that of the ＂1-v-1＂ SVC remarkably; the proposed method is suitable for diagnosing analogue circuits.
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2010年第1期45-50,共6页
Chinese Journal of Scientific Instrument
基金
国家自然科学基金(60871009
60374008
60501022)
航空科学基金(2006ZD52044)资助项目
关键词
模拟电路
故障诊断
支持向量机
最近邻分类器
analogue circuit
fault diagnosis
support vector machine
nearest neighbor classifier
作者简介
崔江，2003年于南京航空航天大学获得硕士学位，现为南京航空航天大学讲师、博士研究生。主要研究方向为模拟电路测试和故障预测、智能信息处理等。E-mail：cuijiang@nuaa．edu．cn王友仁，1996年于南京航空航天大学获得博士学位，现为南京航空航天大学教授、博士生导师，研究方向为检测技术与信号处理、机载设备健康监测、仿生硬件与智能系统。E—mail：wangyrac@nuaa．edu．cn
