基于退火遗传混合算法的模拟电路诊断激励优化

本文提出基于Volterra核和模拟退火遗传混合算法的模拟电路故障诊断激励优化方法.在以Volterra核为特征向量的模拟电路故障诊断中,以相同激励信号下电路各故障状态的特征向量的集总欧氏距离作为适应度函数,对用于激励的多频正弦信号的参数进行优化,首先利用模拟退火算法形成精英团队,然后利用遗传算法寻找最佳激励信号的参数,从而提高故障诊断的效率.文中给出了退火遗传混合算法的优化方案和流程,并通过实例加以验证.     

基于Wiener核和BP神经网络的非线性模拟电路故障诊断

研究提出基于非线性电路的Wiener核和BP神经网络的故障诊断方法.在输入为高斯白噪声的情况下,对输入、输出信号进行采样,通过计算各阶相关函数的方法得到正常及各种故障状态下非线性电路的Wiener核.把该核作为状态特征并进行适当的预处理,与对应的状态一起组成BP神经网络的输入和输出样本来对神经网络进行训练,从而实现对模拟非线性电路的故障诊断.文中给出了Wiener核的数字计算方法和诊断神经网络的建立方案,并通过诊断实例加以验证.