科研之友
微信
新浪微博
Facebook
分享链接
摘要
根据当今模拟电路高集成度、非线性以及易受环境影响等特点,提出一种基于经验模态分解(EMD)结合复合多尺度熵(CMSE)的故障特征提取新方法。首先通过仿真获得电路的输出信号,然后使用经验模态分解,将原始信号分解为有限个固有模态分量以及一个残余分量。再利用复合多尺度熵算法,分别计算出这些固有模态分量在不同时间尺度下的样本熵值,并据此构造能反映电路故障的特征向量。最后,构造BP神经网络,输入这些故障特征向量进行训练和测试,诊断出电路的故障类别。实验结果表明,该方法能将电路中表征故障的特征参数有效的提取出来,对电路的单故障识别有着较高的正确率。
- 单位
