联合选择特征和分类器参数模型的模拟电路故障诊断

摘要：

为了提高模拟电路故障诊断准确率，提出一种联合选择特征选和分类器参数模型的模拟电路故障诊断方法（Feature-Classifier）。将模拟电路故障特征子集和分类器参数编码成为粒子，然后粒子根据目标函数通过信息交流和互相协作找到最优特征子集和分类器参数，并根据最优特征子集对样本进行约简；分类器根据最优参数对约简后样本进行训练建立模拟电路故障诊断模型，并通过仿真实例对性能进行测试。结果表明，相对于其他模拟电路故障诊断方法，Feature-Classifier能够较快找到最优特征子集与分类器参数，不仅提高了模拟电路故障诊断准确率，并加快了故障诊断速度。

关键词：模拟电路、故障诊断、特征选择、分类器参数、粒子群优化算法

分类号：TP183(自动化基础理论)

在线出版日期：2014-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：251-254