| 模拟电路的DCNN-ELM软故障诊断 |
| |
| 引用本文： | 潘峰,王建锋,杨丽薇,甘旭升.模拟电路的DCNN-ELM软故障诊断[J].火力与指挥控制,2021,46(11):82-88. |
| |
| 作者姓名： | 潘峰 王建锋 杨丽薇 甘旭升 |
| |
| 作者单位： | 西京学院机械工程学院,西安710123;空军工程大学空管领航学院,西安710051 |
| |
| 摘 要： | 为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法.先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证.仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2％,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性.
|
| 关 键 词： | 深度学习 卷积神经网络 极限学习机 模拟电路 故障诊断 |
DCNN-ELM Soft Fault Diagnosis for Analog Circuits in Military Equipment |
| |
| PAN Feng,WANG Jian-feng,YANG Li-wei,GAN Xu-sheng.DCNN-ELM Soft Fault Diagnosis for Analog Circuits in Military Equipment[J].Fire Control & Command Control,2021,46(11):82-88. |
| |
| Authors: | PAN Feng WANG Jian-feng YANG Li-wei GAN Xu-sheng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
