一种聚类分层决策的SVM模拟电路故障诊断方法

作     者：宋国明 王厚军 姜书艳 刘红 Song Guoming;Wang Houjun;Jiang Shuyan;Liu Hong

作者机构：电子科技大学自动化工程学院成都610054 成都电子机械高等专科学校计算机工程系成都610031 长春理工大学计算机学院长春130022 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2010年第31卷第5期

页      面：998-1004页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 0703[理学-化学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国防基础科研项目(A1420061264) 国家自然科学基金项目(60673011)资助 

主　　题：模拟电路 故障诊断 模糊聚类 支持向量机 分层决策 

摘      要：支持向量机用于模拟电路多种故障诊断时,其多分类扩展策略与诊断的效率和正确率密切相关。本文提出模糊聚类与支持向量机集成的算法,通过分析电路故障特征数据的空间分布特性,以多级二叉树结构的SVM实现故障的分级诊断。通过对各故障模式两种小波特征的逐次聚类二分获得二叉树,根据F测度为每个节点的SVM选择具有最大分类间隔的故障子类及特征,避免了不可分故障区域的出现,从而优化了SVM的组合策略。采用该方法组建的SVM结构简单,在滤波器电路的故障诊断中获得良好的效果。与几种常用的SVM方法相比,本文方法有效地提高了故障诊断的精度和效率。