PSO／KNN算法及其在模拟故障诊断中的应用研究.pdfVIP

维普资讯 第2l卷 第6期 电子测量与仪器学报 Z．2l ％ ．6 JOURNALoFELECTRONIC 2007年 l2月 MEAsUREMENTAND fNsTRUMENT · 25 · PSO／KNN算法及其在模拟故障诊断中的应用研究 张 屹 魏学业 蒋海峰 (北京交通大学电子信息学院，北京 100044) 摘 要：提出了一种基于粒子群优化 (particleswarmoptimization，PSO)的特征提取算法，该算法以K—NN(nearestneighbor) 分类正确率为评价准则 ，应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵，从而实现特征 的提取。 算法的特点是结构简单灵活 ，对数据的分布特征不敏感 ，适合于对模拟电路的故障特征进行提取。电路故障诊断示例证明了 该特征提取算法在模拟电路故障诊断中的有效性。 关键词：特征提取 ，粒子群优化，K—NN分类 ，模拟电路故障诊断 中图分类号：TP391 文献标识码：A PSo ／KNN Algorithm and ItsApplication inAnalogCircuitFaultDiagnosis ZhangYi WeiXueye JiangHaifeng (SchoolofElectronicandInfomrationEngineering，BeijingJiaotongUniversity，Beijing100044，China) Abstract：AfeatureextractionalgorithmbasedonPSO (particleswain optimization)isproposed．K—NN (nearestneighbor)classificationaccuracyisusedastheoptimizationcriteriaandPSOisusedtosearchtransforma— tionmatrixthatmaximizetheK—NN classificationaccuracyofextractedfeatures．Thealgorithm issimpleandflexi— ble．Itisinsensitivetodatadistributionanditissuitableforanalogcircuitfaultfeatureextraction．Theeffective— nessofthealgorithm isdemonstratedbyexperimentalresultsonanalogcircuitfaultdiagnosisexamples． Keywords：featureextraction，particleswarm optimization，K—NN classification，analogcircuitfaultdiagno— sis． 模拟电路故障诊断中，模式识别方法是一种 比 找用来有效表示的特征 向量，而是寻找有效分类的 较实用的诊断方法 ¨儿 。该方法提取故障电路测 特征向量，可以想象利用 LDA的这种特性对故障特 试点的电压或电流构成故障特征数据 ，然后通过分 征进行提取将对故障分类产生更好的效果。但是在 类器得到电路故障的类别。但是，通常直接得到的 模拟电路故障诊断中，往往为了减少仿真时间使用 故障特征数据具有较高的维数，包含有冗余的特征 的故障类样本较少，而且样本一般是对实际分布的 信息，这样的数据会降低分类器的性能，因此有必要 非均匀采样 ，这种情况下 LDA的性能可能超不过甚 使用特征提取算法降低维数，提取有效的特征数 至