摘要
一种优化SVM的模拟电路故障诊断方法、系统及存储介质,采用经融合粒子群算法与改进灰狼算法对SVM算法进行了优化。包括提取模拟电路多种故障样本信号的时域特征和小波包特征,将两种特征融合作为最终故障特征样本集;将所述故障特征样本集按照一定比例分为训练集和测试集;利用融合粒子群算法与改进灰狼算法对SVM的核函数和惩罚因子进行优化,构建PSO‑IGWO‑SVM模型;用测试集训练并测试PSO‑IGWO‑SVM模型,输出模拟电路的故障诊断结果。通过结合两种算法的优点,提高了SVM的分类效果和诊断精度。同时,通过引入非线性收敛因子和比例权重动态调整策略,进一步提升了算法的搜索效率和收敛速度。
技术关键词
灰狼算法
粒子群算法
位置更新
故障特征
故障诊断模块
时域特征
非线性
特征提取模块
因子
Sigmoid函数
模拟电路故障
原始故障数据
数据采集模块
小波包特征
样本
策略更新
系统为您推荐了相关专利信息
PID控制方法
PID控制器
速度检测模块
压力检测模块
因子
选煤厂
温度预测模型
粉尘
训练人工智能模型
电气设备
双向变换器
母线电压数据
协同控制方法
微电网
集群
智能冷却系统
无心磨床
强化学习框架
材料导热系数
PWM控制器