[发明专利]基于云模型优化PNN的模拟电路故障诊断方法有效
| 申请号： | 201910583230.8 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110244216B | 公开（公告）日： | 2021-10-22 |
| 发明（设计）人： | 谈恩民;张欣然 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G01R31/316 | 分类号： | G01R31/316;G06N3/04;G06N3/08 |
| 代理公司： | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人： | 覃永峰 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于云模型优化PNN的模拟电路故障诊断方法，通过构建CM‑PNN模型进行故障诊断，包括如下步骤：提取电路故障特征，获得特征样本；将特征样本分训练样本和测试样本，注意训练样本数目必须足够多，且远远大于测试样本数目，否则建立的正态云模型将无法正确反映样本分布；利用训练样本进行峰值云变换以建立多维正态云模型，将其作为模式神经元；确定模式层与求和层之间的连接权重；将测试样本输入到优化后的概率神经网络中进行加权求和；故障类别判别输出，输出结果判定为输出最大的故障类别。该方法优化了PNN的中心，带宽和连接权重，简化了PNN的训练过程，并可以确定隐含层神经元数目。 | ||
| 搜索关键词： | 基于 模型 优化 pnn 模拟 电路 故障诊断 方法 | ||
【主权项】：
1.一种基于云模型优化PNN的模拟电路故障诊断方法，其特征在于：通过构建CM‑PNN模型进行故障诊断，包括如下步骤：步骤A.提取电路故障特征，获得特征样本；步骤B.将特征样本分训练样本和测试样本，注意训练样本数目必须足够多，且远远大于测试样本数目，否则建立的正态云模型将无法正确反映样本分布；步骤C.利用训练样本进行峰值云变换以建立多维正态云模型，将其作为模式神经元；步骤D.确定模式层与求和层之间的连接权重；步骤E.将测试样本输入到优化后的概率神经网络中进行加权求和；步骤F.故障类别判别输出，输出结果判定为输出最大的故障类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910583230.8/，转载请声明来源钻瓜专利网。
