学位论文 > 优秀研究生学位论文题录展示
基于小波包和支持向量机的模拟电路诊断研究
作 者: 王佩丽
导 师: 彭敏放
学 校: 湖南大学
专 业: 电气工程
关键词: 故障诊断 模拟电路 小波包分解 模糊规则 最小二乘支持向量机
分类号: TN710
类 型: 硕士论文
年 份: 2010年
下 载: 146次
引 用: 2次
阅 读: 论文下载
内容摘要
模拟电路测试和故障诊断自二十世纪六十年代以来,一直是热门研究课题,至今已取得了诸多显著的理论成果,但由于模拟电路元件的非线性、具容差及其故障现象的多样性等使得其诊断问题极其复杂,现有诊断理论与方法距实际应用尚有一定的差距。目前,小波包变换理论和支持向量机的研究与应用成为新的研究热点。小波包技术作为信息处理的有力工具,其与支持向量机等相结合,为解决模拟电路故障诊断中的诸多难题提供了可能。本文主要目的在于将模拟电路故障诊断与小波包、支持向量机方面的最新研究成果相结合,探索解决模拟电路故障诊断问题的有效途径。本文首先对模拟电路故障诊断理论的研究现状进行了综述,针对模拟电路故障诊断的特征提取和故障分类这两大问题,分别阐述了小波包分析和支持向量机的基本理论,着重研究了小波包分析和支持向量机在模拟电路故障诊断中的应用,然后应用小波包分析方法和引入一种多层动态自适应优化参数的最小二乘支持向量机方法分别对电路故障情况进行分类,并用仿真实验说明了其具体实施。为了解决模拟电路故障诊断中的特征提取困难并对模拟电路故障信号进行有效的分类,本文提出了一种基于模糊优化小波包分解的模拟电路故障特征提取算法,在此基础上,提出了结合模糊最优小波包和最小二乘支持向量机(LSSVM)的模拟电路诊断方法。该法首先对模拟电路的响应信号进行小波包分解,并引入模糊准则对其优化,得到由分类能力强的最优小波包基能量值构成的特征集,然后将特征集输入LSSVM网络,以实现对不同故障类型的识别。小波包的优化分解减小了LSSVM网络的规模,从而降低了算法复杂度,加快了网络的训练时间和分类速度。模拟诊断实例表明,此方法能快速准确地实施模拟电路的故障定位。
|
全文目录
摘要 5-6 Abstract 6-11 第1章 绪论 11-18 1.1 课题研究背景及其意义 11-12 1.2 模拟电路诊断技术的发展及现状 12-14 1.3 模拟电路故障诊断方法的分类 14-15 1.4 小波分析在电路诊断中的应用 15-16 1.5 支持向量机在电路诊断中的应用 16-17 1.6 论文的主要内容与结构安排 17-18 第2章 模拟电路诊断的支持向量机方法 18-31 2.1 引言 18 2.2 支持向量机理论基础 18-25 2.2.1 支持向量机原理 19-20 2.2.2 支持向量机分类方法 20-22 2.2.3 模型选择的意义 22-24 2.2.4 支持向量机参数 24-25 2.3 人工神经网络概述 25-29 2.3.1 神经网络的特点 25-26 2.3.2 BP神经网络 26-29 2.4 支持向量机与神经网络的比较 29-30 2.5 小结 30-31 第3章 模拟电路故障特征提取方法 31-45 3.1 引言 31 3.2 特征提取方法概述 31-34 3.2.1 基于主元分析的特征提取 31-32 3.2.2 基于小波分析的特征提取 32-33 3.2.3 基于互信息熵的特征提取 33 3.2.4 其它特征提取方法 33-34 3.3 小波分析法与小波包分解法 34-39 3.3.1 多分辨率分析(MRA) 35-37 3.3.2 小波变换 37-38 3.3.3 小波包分析的定义及性质 38-39 3.3.4 小波包的正交性质 39 3.4 基于小波包变换的故障特征提取 39-44 3.4.1 小波包的子空间分解 39-40 3.4.2 小波包算法 40-41 3.4.3 基本原理 41-42 3.4.4 实施步骤 42 3.4.5 实例分析 42-44 3.5 小结 44-45 第4章 基于LSSVM的模拟电路故障诊断 45-53 4.1 引言 45 4.2 多类分类SVM的原理和算法 45-47 4.2.1 一对一多类分类算法 45-46 4.2.2 一对多多类分类算法 46-47 4.3 最小二乘支持向量机(LSSVM) 47-48 4.3.1 LSSVM的原理 47-48 4.3.2 LSSVM中参数选取算法的优化 48 4.4 基于LSSVM的模拟电路诊断 48-51 4.4.1 诊断原理 48-49 4.4.2 诊断步骤 49-50 4.4.3 实例分析 50-51 4.5 小结 51-53 第5章 基于模糊最优小波包和LSSVM的模拟电路诊断 53-60 5.1 引言 53 5.2 模糊规则的应用 53-54 5.3 基于模糊准则的最优小波包分解及特征提取 54-55 5.4 电路诊断的最优小波包-LSSVM方法 55 5.5 实例仿真与分析 55-57 5.6 实际电路诊断及结果分析 57-59 5.7 小结 59-60 结论 60-62 参考文献 62-67 致谢 67-68 附录A (攻读学位期间发表的学术论文目录) 68-69 附录B (攻读学位期间专利与软件著作权申请情况) 69-70 附录C (攻读学位期间参加的科研工作及学术活动) 70
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 水上交通安全保障系统的关键技术研究,U698
- 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
- HART现场故障诊断仪的研究与实现,TP277
- 基于磁致伸缩液位变送器的设计与实现,TP212
- 微功率冲激雷达设计,TN958
- 聚合釜群多通道实时在线监测系统研究,TP274
- 基于EMD与神经网络的柱塞泵故障诊断方法,TH322
- 发电设备综合状态的评价方法研究及应用,TM621.3
- 基于FNN的电压力锅控制系统研究与设计,TM925.5
- 基于滑模观测器的非线性系统故障诊断与故障重构问题研究,TP13
- 轿车悬架故障诊断系统研究,U472.9
- 发动机振动与燃烧分析虚拟仪器的设计开发与应用研究,TK407
- 融合多种信号特征的模拟电路故障诊断研究,TN710
- 一种应用频响敏感度的MOS管尺寸自动优化方法,TN722.77
- 频带熵方法及其在滚动轴承故障诊断中的应用,TH165.3
中图分类: > 工业技术 > 无线电电子学、电信技术 > 基本电子电路 > 电子电路
© 2012 www.xueweilunwen.com
|