基于l2正则化回声状态网络的模拟电路故障诊断*
2017-11-03牛晓灵
电子器件 2017年5期
王 洪,牛晓灵
(平顶山工业职业技术学院计算机系,河南 平顶山 467001)
基于l2正则化回声状态网络的模拟电路故障诊断*
王 洪*,牛晓灵
(平顶山工业职业技术学院计算机系,河南 平顶山 467001)
为了提高模拟电路故障诊断的准确率,提出了一种基于l2正则化回声状态网络(l2-RESN)的模拟电路故障诊断方法。l2-RESN在ESN的约束优化函数中引入l2正则化因子,推导带正则化因子的ESN输出权重计算公式,避免传统的ESN算法因矩阵奇异而降低模型泛化能力。实验结果表明,相比于支持向量机(SVM)和标准ESN,l2-RESN的诊断准确率分别提高1.11%和18.34%。证明l2-RESN能够有效提高模拟电路诊断的准确性。
模拟电路;故障诊断;神经网络;拉格朗日函数
模拟电路因存在着模型的非线性、器件的容差性以及故障模式的多样性等因素,传统的故障诊断方法已经不适合对其进行准确的诊断。近些年来,随着人工智能技术的快速发展,神经网络[1-2]、支持向量机[3-4]、D-S证据理论[5]等智能算法先后应用于模拟电路的故障诊断,取得了一定的研究成果。其中,回声状态网络(ESN)作为一种新型的递归神经网络,其隐含层的权值通过随机方式预先生成,而只有输出层权值系数需要训练得到,具有稳定性好、网络结构简单、训练速度快和非线性映射能力强等优点,已经在时间序列预测[6-8]、话务量预测[9]、故障预测[10]等领域得到了应用。目前,回声状态网络在模拟电路故障诊断方面还处于初步研究阶段,相关研究成果相对较少。文献[11-12]分别将集成思想和时间窗函数引入ESN,并将其应用于模拟电路故障诊断中。……
登录APP查看全文
