当前位置:首页 > 项目展示
千亿体育-【技术分享】模拟电路故障诊断中的特征提取方法
时间:2021-03-07 来源:千亿体育娱乐 浏览量 19684 次
本文摘要:故障特征提取是仿真电路故障诊断的关键。

千亿体育

故障特征提取是仿真电路故障诊断的关键。由于故障模型简单、元件参数容差、非线性、噪声和大规模集成,仿真电路的故障信息呈现出多特征、低噪声、非线性的数据集,受到特征信号观测方法、症状提取方法、状态识别技术、临床科学知识完善和临床经济性的制约,使得仿真电路的故障诊断技术比数字电路慢,面临巨大挑战。仿真电路故障诊断本质上相当于模式识别,因此研究如何将电路状态的完整特征从高维特征空间转移到低维特征空间,提取有效的故障特征以提高故障诊断的亲和力是最重要的课题。本文将详细阐述特征提取方法在一些仿真电路故障诊断中的原理、步骤和优缺点,为进一步的研究奠定基础。

基于统计数据理论的特征提取传统的基于统计数据理论的特征提取方法考虑了测量点数据的一阶矩和二阶矩,并根据这些测量点数据最重要的统计数据特征对特征空间进行降维,超出了有效特征提取的目的,包括基于可分性准则、K-L变换、主成分分析等特征提取方法。主成分分析是一种基于数据样本方差-协方差(相关系数)矩阵的数据特征分析方法。

千亿体育

千亿体育娱乐

从特征有效性的角度出发,通过线性变换,在数据空间中找到一组向量来尽可能解释数据的方差,将数据从原来的高维空间同构到低维向量空间。降维后保留了数据的主要信息,主成分相互独立,使数据更容易处理。在仿真电路的故障诊断中,利用主成分分析进行数据压缩和特征提取的过程如下:首先,对完整的特征数据进行标准化,避免原始变量不同维度和过大数值差异的影响;然后创建数据的相关矩阵,计算矩阵的特征值和特征向量,对扣除的特征值进行排序;最后根据特征值的方差贡献率选取主成分。一般来说,总方差贡献率拒绝超过80%到90%。

千亿体育

临床系统结构如图1右图所示。通过主成分分析对特征向量进行降维后,增加了临床神经网络的输出,提高了网络的训练速度,降低了神经网络的计算复杂度。


本文关键词:千亿体育,qy18vip千亿体育,千亿体育娱乐

本文来源:千亿体育-www.chicalindas.com

版权所有无锡市千亿体育娱乐股份有限公司 苏ICP备50319717号-7

公司地址: 江苏省无锡市建华区民达大楼427号 联系电话:014-913527482

Copyright © 2018 Corporation,All Rights Reserved.

熊猫生活志熊猫生活志微信公众号
成都鑫华成都鑫华微信公众号