CAJ | 학술논문

针对模拟电路故障诊断识别率较低的问题,文章结合模拟电路智能故障诊断流程的重要环节对特征选择、特征提取和诊断识别进行了改进分析.首先将支持向量机(support vector machine,SVM)和传统特征选择算法相结合,改进了现有特征选择算法,接着将主成分分析(principle component analysis,PCA)和独立成分分析(independent component analysis,ICA)相结合提出双空间特征提取算法,并将双空间提取算法和融合特权信息支持向量机(SVM of learning using privileged information,LUPI-SVM)算法相结合,提出基于双空间提取算法的融合特权信息支持向量机模拟电路故障诊断方法.最后对改进后方法进行了应用分析,通过对两个典型电路的仿真测试,验证了改进后方法的可行性和有效性,改进后方法提高了模拟电路故障诊断的性能.
침대모의전로고장진단식별솔교저적문제,문장결합모의전로지능고장진단류정적중요배절대특정선택、특정제취화진단식별진행료개진분석.수선장지지향량궤(support vector machine,SVM)화전통특정선택산법상결합,개진료현유특정선택산법,접착장주성분분석(principle component analysis,PCA)화독립성분분석(independent component analysis,ICA)상결합제출쌍공간특정제취산법,병장쌍공간제취산법화융합특권신식지지향량궤(SVM of learning using privileged information,LUPI-SVM)산법상결합,제출기우쌍공간제취산법적융합특권신식지지향량궤모의전로고장진단방법.최후대개진후방법진행료응용분석,통과대량개전형전로적방진측시,험증료개진후방법적가행성화유효성,개진후방법제고료모의전로고장진단적성능.