基于支持向量机与最近邻分类器的模拟 电路故障诊断新策略精选.pdf

第 31 卷 第 1 期 仪 器 仪 表 学 报 Vol.31 No. 1 2010 年 1 月 Chinese Journal of Scientific Instrument Jan. 2010 基于支持向量机与最近邻分类器的模拟 * 电路故障诊断新策略 崔 江，王友仁 （南京航空航天大学自动化学院 江苏 210016 ） 摘 要：针对模拟电路的故障诊断和定位问题，提出了一种基于支持向量机分类器(SVC)和最近邻分类器(NNs) 的模拟电路 故障诊断新策略，利用 SVC 解决高维故障样本的分类问题，而采用 NNs 解决故障样本间的重叠问题。首先建立“1-v-r”结 构的 SVC 对电路故障样本进行训练，并根据训练参数构建故障字典；其次，在测试阶段，根据算法决定利用 SVC 或 NNs 对未知样本进行测试。本文设计的故障分类器方法简单，结构确定，通过对两个模拟电路的实验表明，所提出的方法性能要 优于常规的“1-v-r”支持向量机分类器；与“1-v-1”支持向量机分类器的诊断性能较为接近，但测试时间较后者显著减少， 较为适合模拟电路的故障诊断。 关键词：模拟电路；故障诊断；支持向量机；最近邻分类器 中图分类号：TP181 文献标识码：A 国家标准学科分类代码：470.4017 New strategy for analogue circuit fault diagnosis based on support vector ma- chines and nearest neighbor classifier Cui Jiang, Wang Youren (College of Automation Engineering, NUAA, Jiangsu 210016, China) Abstract ：Focusing on the issue of analog circuit fault diagnosis and location, this paper proposes a novel strategy of fault diagnosis by combing the support vector machine classifier (SVC) and the nearest neighbor (NN) classi- fier. The SVC is used to classify the high-dimension fault samples, and the NN classifier is used to recognize the overlapped samples. Firstly, the “1-v-r” SVC is utilized to train the fault samples; after training, the parameters are stored as a fault dictionary. Secondly, in the test stage, the SVC or the NN classifier is employed, depending on the results of the algorithm, to diagnose the unknown sample. The classifier proposed here has a simple but fixed structure. The simulation for two analog circuits reveals that the performance of the proposed fault classifier is superior to that of the conve