2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、自20世紀60年代開始研究以來,模擬電路故障診斷一直是電路系統(tǒng)領域的熱門課題,但由于模擬電路的元件參數(shù)具有的容差性,故障模式具有的復雜性及多樣性等特點,使得已有的診斷方法與實際應用存在一定的差距。本文將多小波分解作為故障特征處理工具,與智能優(yōu)化算法和支持向量機結合,為更好的解決模擬故障診斷中遇到問題提供了一種可能。
   本文在總結現(xiàn)有故障診斷理論與方法的基礎上,針對故障診斷中最優(yōu)樣本獲取問題,重點研究了多小波變換在故障診斷中的

2、應用。多小波作為故障特征提取工具,得到特征空間中最優(yōu)樣本,并對其進行歸一化處理,得到最優(yōu)向量,然后將其輸入己訓練好的支持向量機網絡中進行故障診斷。多小波變換能夠克服小波變換的維數(shù)災等問題,降低向量維數(shù)。通過仿真實例說明了該方法的實施步驟及診斷效果。
   針對目前模擬故障診斷模式識別中所遇到的困難,本文提出了一種粒子群算法優(yōu)化支持向量機的模擬電路診斷方法。該法首先用多小波變換提取電路的故障特征,通過粒子群算法優(yōu)化支持向量機的結構

3、參數(shù),確定最優(yōu)網絡結構,然后將最優(yōu)特征集輸入優(yōu)化支持向量機網絡,得到最優(yōu)的分類結果。粒子群算法具有較強的尋優(yōu)能力,快速提高了網絡的泛化能力。此方法克服了網絡結構選擇的盲目性,加快了網絡的收斂速度。仿真實例表明,此方法能夠有效地對故障進行診斷。
   鑒于支持向量機網絡結構參數(shù)在選擇過程中具有隨機性,并可能影響故障診斷的效率,本文引入蟻群算法優(yōu)化支持向量機進行故障診斷。并將其診斷結果與粒子群優(yōu)化情況進行比較,發(fā)現(xiàn)粒子群優(yōu)化網絡比蟻

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論