基于CBAM-CNN的模拟电路故障诊断

针对模拟电路的故障特征难以提取,导致模型计算量复杂、诊断准确率不够高的问题,提出一种基于注意力机制和卷积神经网络(CBAM-CNN)的模拟电路故障诊断方法.首先,利用卷积核提取输入层的图片特征,同时在每个卷积层后面连接一个矫正线性单元(ReLU),并添加批归一化层(BN)解决内部协变量偏移的问题,以提高非线性模型表达能力;然后,在批归一化层后添加注意力机制模块(CBAM),提取重要的特征后连接池化层,降低网络计算复杂度,提高网络的准确率与效率;最后,以Sallen-Key低通滤波器和二级四运放双二阶低通滤波器为研究对象进行故障诊断实验验证.结果表明,所提出方法能够有效提升诊断精度,实现所有故障的高难分类与定位.     

一种基于小生境的自适应入侵野草优化算法

针对入侵野草优化（Invasive Weed Optimization,IWO）算法在迭代前期局部搜索能力不足和后期缺乏种群多样性的缺点,论文提出了一种基于小生境思想的自适应入侵野草优化（Niche-based Adaptive Invasive Weed Optimization,NAIWO）算法。小生境思想用来增加算法的种群多样性;自适应机制中引入周期算子和自适应算法,使野草个体的空间扩散的标准差不仅随迭代次数变化,而且可以根据周期算子的参数和个体的适应度值来动态变化。通过多个数学基准函数的寻优测试验证了所提出的NAIWO算法的有效性。