基于AVMD和排列熵的t分布邻域嵌入流形HHO-SVM模拟电路故障诊断方法

作     者：陈晓梅 王行健 蔡烨 周博 Chen Xiaomei;Wang Xingjian;Cai Ye;Zhou Bo

作者机构：华北电力大学北京102208 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第6期

页      面：233-240页

核心收录：

学科分类：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）] 08[工学] 

主　　题：自适应变分模态分解AVMD t分布邻域嵌入 故障诊断 哈里斯鹰优化支持向量机 

摘      要：随着信息大数据时代的到来,对于电子系统的依赖程度越来越高,因此模拟电路的故障诊断的准确度要求与日俱增。而模拟电路故障诊断困难,是电子系统诊断维修的瓶颈。本文提出基于自适应变分模态分解(AVMD)和排列熵(PE)的t分布邻域嵌入流形哈里斯鹰优化支持向量机(HHO-SVM)模拟电路故障诊断方法。首先,利用AVMD对待测电路的观测信号进行自适应变分模态分解,得到多组IMF信号,不仅可以克服噪声干扰,而且可以来自适应地确定分解模式的数量,进一步提升分解精度;再对IMF计算排列熵,以充分体现IMF不同时段局部特征,二者相结合构建故障特征向量。并在此基础上,采用t分布式随机邻域嵌入(t-SNE)实现特征空间的流形学习和降维,构建具有良好区分度且保留原来的局部结构特征的故障特征向量;最后依靠哈里斯鹰优化支持向量机(HHO-SVM),使其具有良好的分类准确度,从而最终完成电路故障诊断。通过仿真验证,结果显示,本文方法故障诊断正确率可达100%,效果良好。