公开(公告)号：CN110244216B

公开(公告)日：2021-10-22

申请号：CN201910583230.8

申请日：2019-07-01

Applicant: 桂林电子科技大学

Inventor： 谈恩民 ,  张欣然

IPC: G01R31/316 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于云模型优化PNN的模拟电路故障诊断方法，通过构建CM‑PNN模型进行故障诊断，包括如下步骤：提取电路故障特征，获得特征样本；将特征样本分训练样本和测试样本，注意训练样本数目必须足够多，且远远大于测试样本数目，否则建立的正态云模型将无法正确反映样本分布；利用训练样本进行峰值云变换以建立多维正态云模型，将其作为模式神经元；确定模式层与求和层之间的连接权重；将测试样本输入到优化后的概率神经网络中进行加权求和；故障类别判别输出，输出结果判定为输出最大的故障类别。该方法优化了PNN的中心，带宽和连接权重，简化了PNN的训练过程，并可以确定隐含层神经元数目。

公开(公告)号：CN110244216A

公开(公告)日：2019-09-17

申请号：CN201910583230.8

申请日：2019-07-01

Applicant: 桂林电子科技大学

Inventor： 谈恩民 ,  张欣然

IPC: G01R31/316 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于云模型优化PNN的模拟电路故障诊断方法，通过构建CM-PNN模型进行故障诊断，包括如下步骤：提取电路故障特征，获得特征样本；将特征样本分训练样本和测试样本，注意训练样本数目必须足够多，且远远大于测试样本数目，否则建立的正态云模型将无法正确反映样本分布；利用训练样本进行峰值云变换以建立多维正态云模型，将其作为模式神经元；确定模式层与求和层之间的连接权重；将测试样本输入到优化后的概率神经网络中进行加权求和；故障类别判别输出，输出结果判定为输出最大的故障类别。该方法优化了PNN的中心，带宽和连接权重，简化了PNN的训练过程，并可以确定隐含层神经元数目。

公开(公告)号：CN110210580A

公开(公告)日：2019-09-06

申请号：CN201910583204.5

申请日：2019-07-01

Applicant: 桂林电子科技大学

Inventor： 谈恩民 ,  张欣然

IPC: G06K9/62 ,  G01R31/316

Abstract: 本发明公开了一种基于云进化算法优化SVM的模拟电路故障诊断方法，包括基于CBEA-SVM的参数寻优的步骤：设定初始参数；产生初始群落作为第一代母体；适应度评估找到精英个体；判断是否出现跨代精英；母代繁殖后代个体以产生新的群落；直到到达指定进化代数后，输出最优适应度的个体。由于云进化算法的突变或局部求变操作；云模型本身的随机性和模糊性；期望Ex控制寻优过程的确定性，熵En和超熵He控制寻优过程的不确定性，因此，本发明可以避免SVM寻优过程中陷入局部最优，重复震荡等问题。