基于改进支持向量机的故障诊断方法
针对电力电子电路故障诊断问题，提出一种基于K最邻近(KNN)模型和纠错输出编码(ECOC)的快速故障诊断方法。首先，采用一对多(o-v-r)等常规编码方法建立ECOC的基本框架，利用已知标签的故障样本集对构建好的框架进行训练，同时计算出各类故障训练样本的中心点；其次，在测试阶段，采用KNN方法，计算待测样本到每类故障训练样本中心的距离，选择合适的K值，得到该测试样本最有可能所属的K个故障类别；最后，通过计算ECOC框架中相对应的二类分类器的输出，确定待测样本的所属故障类别。本文提出的故障诊断方法结构简单，实验结果表明其性能优于常规的支持向量分类器和ECOC方法，测试时间短，优势明显，较适合应用于电力电子电路的故障诊断。
电力电子电路 故障诊断 ECOC KNN
杨慧敏 崔江 张卓然 龚春英
南京航空航天大学自动化学院 南京 210016
国内会议
南京
中文
164-169
2014-10-18（万方平台首次上网日期，不代表论文的发表时间）