论文研究基于K均值与WPARBF神经网络模拟电路故障诊断.pdf

针对模拟电路故障诊断进行了研究，提出了一种新方法。该方法包括Haar的小波分解、对数据的归一化处理，以及用K-均值优化RBF的中心向量和宽度、用狼群算法优化RBF的权值。首先用Haar小波对所得的电路原始故障数据集进行变换，然后对变换后的数据进行归一化处理，最后得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题，用K-均值优化RBF的中心向量和宽度，用狼群算法优化RBF的权值，以提高网络训练稳定性与诊断成功率。最终通过两个电路的诊断实例来论述该方法的具体实现过程，验证了用该方法进行模拟电路故障诊断的可行性。