基于SFO优化SELM的模拟电路故障诊断

摘要

为了提高模拟电路故障诊断精度，解决网络隐层参数难以选择的问题，提出了一种基于旗鱼算法（SFO）优化堆叠式极限学习机（SELM）的模拟电路故障诊断算法。通过训练极限学习机自动编码器（ELM-AE）形成SELM网络，ELM-AE具有强大的表征能力，但其隐层参数的随机化会导致数据自身一部分有效特征信息丢失，并产生一些训练误差，而SFO具有收敛速度快、寻优精度高的特点，因此采用SFO寻优SELM的网络参数，使SELM具有更强的泛化能力。将两级四运放双二阶低通滤波器电路作仿真实验电路，并与遗传算法（GA）、粒子群优化算法（PSO）优化后的SELM进行比较，实验结果表明，SFO具有较强的寻优能力，可准确地对故障进行诊断，证明了该算法的可行性。

关键词

模拟电路 / 故障诊断 / 旗鱼算法 / 堆叠式极限学习机 / 自动编码器

基金资助

国家自然科学基金（61741403）