基于支持向量机的混合电路故障诊断

针对混合电路故障检测率低、诊断速度慢等问题,采用一种全新的诊断方法来应对这些故障诊断技术发展中的瓶颈问题。通过提取有效的故障特征和选取不同的核函数,支持向量机(SVM)能够很好的改善BP神经网络的收敛速度慢和容易陷入局部极小值等不足,具有更好的模式识别能力。以动态电流IDDT为参数的数/模混合正弦波信号发生器为例,建立了以支持向量机为基础的混合电路故障诊断模型,说明了支持向量机在小样本、非线性等情况下具有更强的泛化能力,得出了支持向量机方法的故障诊断率明显高于BP神经网络,为混合电路故障诊断提供一个新的方向。