基于SFO优化深度极限学习机的模拟电路故障诊断方法
实质审查的生效
摘要
本发明公开了一种基于SFO优化深度极限学习机的模拟电路故障诊断方法，包括输入数据；数据预处理；将训练集样本作为深度极限学习机（DELM）的输入，对其进行训练；以测试集分类错误率作为适应度函数，通过旗鱼算法（SFO）找到一组最优的基于极限学习机的自动编码器（ELM‑AE）的初始权重，并且优化这个初始权重，再使用优化的ELM‑AE训练DELM模型，使得DELM错误率最低；通过步骤四返回最优的初始权重参数，然后利用优化得到的权重训练DELM模型，构建最优的DELM模型；利用最优的DELM模型对故障进行分类。该方法相比没有优化的DELM来说，SFO优化的DELM的诊断准确率有所提高，证明了隐藏层参数的选择影响着诊断精度，而且SFO算法有比较好的全局搜索能力。
基本信息
专利标题 ：
基于SFO优化深度极限学习机的模拟电路故障诊断方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114330194A
申请号 ：
CN202111673183.X
公开（公告）日 ：
2022-04-12
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
谈恩民李莹
申请人 ：
桂林电子科技大学
申请人地址 ：
广西壮族自治区桂林市七星区金鸡路1号
代理机构 ：
桂林市华杰专利商标事务所有限责任公司
代理人 ：
王俭
优先权 ：
CN202111673183.X
主分类号 ：
G06F30/367
IPC分类号 ：
G06F30/367 G06N3/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/367
设计验证，例如，采用仿真，集成电路仿真程序，直接方法或松弛方法
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : G06F 30/367
申请日 : 20211231
申请日 : 20211231
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
