模拟电路故障诊断的子空间集成方法

doi:10.3969/j.issn.1000-3428.2011.17.098

计算机工程 ›› 2011, Vol. 37 ›› Issue (17): 291-292,封三. doi: 10.3969/j.issn.1000-3428.2011.17.098

• 开发研究与设计技术 • 上一篇

模拟电路故障诊断的子空间集成方法

纪四维¹，李熊达²，唐静远³，师奕兵³

(1. 西华大学数学与计算机学院软件工程系，成都 610039；2. 成都信息化技术应用发展中心，成都 610042； 3. 电子科技大学自动化工程学院，成都 610054)

收稿日期:2011-02-14 出版日期:2011-09-05 发布日期:2011-09-05
作者简介:纪四维(1976－)，男，讲师、博士研究生，主研方向：电路故障诊断，计算机辅助测试，通信工程；李熊达，工程师、硕士；唐静远，博士；师奕兵，教授、博士生导师
基金资助:
国家“863”计划基金资助项目(2006AA06Z222)；教育部新世纪优秀人才支持计划基金资助项目(NCET-05-0804)

Subspace Ensemble Method for Analog Circuit Fault Diagnosis

JI Si-wei ¹, LI Xiong-da ², TANG Jing-yuan ³, SHI Yi-bing³

(1. Department of Software, School of Mathematics and Computer, Xihua University, Chengdu 610039, China; 2. Chengdu Information Technique Application Development Center, Chengdu 610042, China; 3. School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu 610054, China)

Received:2011-02-14 Online:2011-09-05 Published:2011-09-05

摘要/Abstract

摘要： 针对模拟电路故障诊断难的问题，提出交叉熵方法加权子空间特征集成支持向量机的模拟电路故障诊断方法。对跳蛙滤波电路的故障诊断仿真实验表明，该方法获得训练集和测试集的故障诊断率分别为89%和88.6%，相比常用的BPNN、GENN、O-V-O SVM和基于随机子空间方法的支持向量机故障诊断方法，能获得更高的故障诊断率。

关键词: 模拟电路, 故障诊断, 随机子空间方法, 交叉熵方法, 支持向量机

Abstract: Aiming at the problem of analog circuit fault diagnosis, a novel approach based on random subspace method and Support Vector Machine(SVM) is presented. Simulation results of diagnosing the international benchmark circuits-leapfrog filter, compared with several existent fault diagnosis methods such as BPNN, GENN, O-V-O SVM, show that the proposed method has the highest classification accuracy.

Key words: analog circuit, fault diagnosis, Random Subspace Method(RSM), Cross Entropy Method(CEM), Support Vector Machine(SVM)

中图分类号:

TP391

纪四维, 李熊达, 唐静远, 师奕兵. 模拟电路故障诊断的子空间集成方法[J]. 计算机工程, 2011, 37(17): 291-292,封三.

JI Si-Wei, LI Xiong-Da, TANG Jing-Yuan, SHI Yi-Bing. Subspace Ensemble Method for Analog Circuit Fault Diagnosis[J]. Computer Engineering, 2011, 37(17): 291-292,封三.

https://www.ecice06.com/CN/Y2011/V37/I17/291

参考文献

[1] Catelani M, Fort A. Soft Faults Detection and Isolation in Analog Circuits: Some Results and a Comparison Between a Fuzzy Approach and Radial Basis Function Networks[J]. IEEE Trans. on Instrumentation and Measurement, 2002, 51(2): 196-202.
[2] El-Gamal M A. Genetically Evolved Neural Networks for Fault Classification in Analog Circuits[J]. Neural Comput. & Applic., 2002, 11(2): 112-121.
[3] Aminian M, Andrdan F. Neural-network Based Analog-circuit Fault Diagnosis Using Wavelet Transforms as Preprocessor[J]. IEEE Trans. on Circuits and Systems Ⅱ: Analog and Digital Signal Processing, 2000, 47(2): 151-156.
[4] Roh J, Abraham J A. Subband Filtering for Time and Frequency Analysis of Mixed-signal Circuit Testing[J]. IEEE Trans. on Instrum. Meas., 2004, 53(2): 602-611.
[5] Wang Anna, Liu Junfang, Wang Hao. A Novel Fault Diagnosis of Analog Circuit Algorithm Based on Incomplete Wavelet Packet Transform and Improved Balanced Binary-tree SVMs[C]//Proc. of Life System Modeling and Simulation. Shanghai, China: [s. n.], 2007: 482-493.
[6] Vapnik V N. The Nature of Statistical Learning Theory[M]. New York, USA: Springer, 1995.
[7] Komosinski M, Krawiec K. Evolutionary Weighting of Image Features for Diagnoses of CNS Tumors[J]. Artificial Intelligence in Medicine, 2000, 19(1): 25-38.
[8] Ho Tin-Kam. The Random Subspace Method for Constructing Decision Forests[J]. IEEE Trans. on Pattern Anal. Mach. Intel., 1998, 20(8): 832-844.
[9] Rubinstein R Y, Kroese D P. The Cross-entropy Method: A Unified Approach to Combinatorial Optimization, Monte-Carlo Simulation and Machine Learning[M]. New York, USA: Springer, 2004.
[10] Minka T. Estimating a Dirichlet Distribution[EB/OL]. (2003-10- 23). http://research.microsoft.com/~minka/papers/dirichlet/.
[11] Kaminska B, Arabi K, Bell I, et al. Analog and Mixed-signal Benchmark Circuits: First Release[C]//Proc. of International Test Conference. [S. l.]: IEEE Press, 1997: 183-190.

[1]	毛业栋, 张春辉, 陈杰. 融合特征分析及机器学习的可演进变压器故障诊断模型[J]. 计算机工程, 2024, 50(8): 379-388.
[2]	王宇, 祁琦, 王纯, 许才. 储能变流器信号高精度故障诊断方法[J]. 计算机工程, 2024, 50(8): 389-396.
[3]	陈增照, 王政, 郑秋雨. 基于全范围头部姿态估计的教师注意力识别算法[J]. 计算机工程, 2024, 50(7): 96-103.
[4]	王志江, 秦品乐, 柴锐, 武峰, 程一彤, 史玥. 基于深度学习的牙齿嵌塞自动判别方法[J]. 计算机工程, 2022, 48(4): 307-313.
[5]	建澜涛, 任秀江, 张祯, 石嵩, 黄益明, 张春林. E级高性能计算机的维护故障诊断系统研究[J]. 计算机工程, 2022, 48(12): 24-37.
[6]	张冰玉, 潘晴, 田妮莉, Everett Xiaolin Wang. 一种基于多重特征融合的信源个数估计方法[J]. 计算机工程, 2021, 47(4): 115-119,126.
[7]	王海, 翁晨傲, 李克, 骆曦. 一种面向基站扇区方向角估计的改进SVM算法[J]. 计算机工程, 2021, 47(4): 120-126.
[8]	连晓伟, 马垚, 陈永乐, 张壮壮, 王建华. 基于载荷特征与统计特征的Shodan流量识别[J]. 计算机工程, 2021, 47(1): 117-122.
[9]	袁哲明, 杨晶晶, 陈渊. 基于最大信息系数与冗余分摊的特征选择方法[J]. 计算机工程, 2020, 46(8): 101-105.
[10]	张瑞, 陈红卫. 基于特征优化与SVPSO的工控入侵检测[J]. 计算机工程, 2020, 46(4): 19-25.
[11]	付子爔, 徐洋, 吴招娣, 许丹丹, 谢晓尧. 基于增量学习的SVM-KNN网络入侵检测方法[J]. 计算机工程, 2020, 46(4): 115-122.
[12]	胡亚楠, 李春生, 张可佳, 富宇. 激活规则多目标优化算法在任务分解中的应用[J]. 计算机工程, 2020, 46(3): 280-291.
[13]	鲁淑霞, 蔡莲香, 张罗幻. 基于动量加速零阶减小方差的鲁棒支持向量机[J]. 计算机工程, 2020, 46(12): 88-95,104.
[14]	陈龙泉, 李克新, 李梦洁, 武殿梁, 程奂翀. 航空发动机试车半物理仿真中的故障模拟技术研究[J]. 计算机工程, 2019, 45(9): 291-295,301.
[15]	张波, 周从华, 张付全, 张婷, 蒋跃明. 一种面向SNP选择的模糊聚类算法[J]. 计算机工程, 2019, 45(8): 66-74.

选择文件类型/文献管理软件名称

选择包含的内容

模拟电路故障诊断的子空间集成方法

Subspace Ensemble Method for Analog Circuit Fault Diagnosis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

模拟电路故障诊断的子空间集成方法

Subspace Ensemble Method for Analog Circuit Fault Diagnosis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价