公开(公告)号：CN105572572A

公开(公告)日：2016-05-11

申请号：CN201510962377.X

申请日：2015-12-19

Applicant: 渤海大学

Inventor： 张志强 ,  张爱华 ,  霍星 ,  陈晨

IPC: G01R31/3163 ,  G06F17/50

CPC classification number: G01R31/3163 ,  G06F17/5036 ,  G06F17/5063

Abstract: 本发明涉及一种运行速度快、诊断精度高的基于WKNN-LSSVM的模拟电路故障诊断方法，其特征在于，包括如下步骤：利用电路仿真软件构建待诊断模拟电路，选取电路部分节点电压值的正常和故障数据作为试验数据，得到改进后的LSSVM分类器的数学模型，进而求解出拉格朗日乘子和改进后的LSSVM分类器的权重向量ω*，并将权重向量ω*作为改进KNN距离公式中的特征权重，找出距离未知类型的测试样本xt最近邻的K个已知类型的训练样本xi，再根据分类函数对测试样本xt进行正常类或故障类的判别。可提高对模拟电路的复杂性、多样性以及故障数据的非线性、容错性的适应性，保证诊断结果的可靠性。

公开(公告)号：CN105572572B

公开(公告)日：2019-04-05

申请号：CN201510962377.X

申请日：2015-12-19

Applicant: 渤海大学

Inventor： 张志强 ,  张爱华 ,  霍星 ,  陈晨

IPC: G06F17/50

Abstract: 本发明涉及一种运行速度快、诊断精度高的基于WKNN‑LSSVM的模拟电路故障诊断方法，其特征在于，包括如下步骤：利用电路仿真软件构建待诊断模拟电路，选取电路部分节点电压值的正常和故障数据作为试验数据，得到改进后的LSSVM分类器的数学模型，进而求解出拉格朗日乘子和改进后的LSSVM分类器的权重向量ω*，并将权重向量ω*作为改进KNN距离公式中的特征权重，找出距离未知类型的测试样本xt最近邻的K个已知类型的训练样本xi，再根据分类函数对测试样本xt进行正常类或故障类的判别。可提高对模拟电路的复杂性、多样性以及故障数据的非线性、容错性的适应性，保证诊断结果的可靠性。