论文研究主成分分析和超限学习机的模拟电路故障诊断.pdf

为提高模拟电路故障诊断特征信息提取的完整性，实现故障模式分类的准确性，达到网络训练测试的快速性，提出了一种基于主成分分析（PrincipalComponentsAnalysis，PCA）和极限学习机（ELM）相结合的模拟电路故障诊断新方法。在OrCAD16.3中通过设置仿真模拟电路元器件参数及其容差，获得电路各状态的MonteCarlo样本数据，经PCA降维提取特征信息以获得最优的特征模式，继而采用ELM对故障进行分类识别。以Sallen-Key带通滤波器电路为实例进行仿真研究，结果表明该方法具有特征提取效果好，神经网络训练学习速度快，故障诊断效率高，泛化性能好等特点。