摘要:环状波纹是隐形眼镜制造过程中水凝胶材料分布不均匀造成的、在镜体边沿向内环形收缩的表面缺陷，因在投影检测中难以发现而造成产品质量不良，环状波纹缺陷检测是隐形眼镜产品制造的技术难题之一。本文根据该缺陷特征，搭建了圆环光源照明成像系统，采集了环状波纹缺陷图像模型数据库，引入了一种基于改进RT-DETR的隐形眼镜环状波纹缺陷轻量级检测算法。首先，将RT-DETR原始ResNet18主干提取网络中的BasicBlock替换为轻量级FasterNetBlock。然后，在RTDETR的Neck部分加入SimAM三通道注意力机制，提高模型的准确度。最后，将GIoU替换为MPDIoU损失函数加快收敛速度，提高检测精度。实验结果表明，相比于原始的RT-DETR算法，改进后的RT-DETR算法在隐形眼镜环状波纹数据库上的mAP@0.5达到了94%，提高了3.1%，Params和FLOPs相比于原始的算法分别降低了15.6%和13%。该算法极大地减小了计算量，有效提高了隐形眼镜环状波纹缺陷的均值平均精度，有望突破隐形眼镜环状波纹缺陷在线检测的技术难题。

摘要:航天发动机试车台作为检验发动机可靠性的关键装备，其健康状态评估对确保发动机安全运行具有重要意义。试车台气路系统具有故障模式复杂多变，多点位、多模态传感信息关联性强等特点，且存在数据积累有限、采集的健康状态样本分布不均、人工监测运行状态造成人力资源浪费以及高误警率等问题。为此，提出了基于自适应重构相空间-支持高阶张量机的健康评估模型。该方法首先通过设计E1(m)的稳定性判定准则，实现对气路系统相空间的自适应重构；其次采用张量对气路系统的多点位、多模态数据进行表征；然后基于支持高阶张量机挖掘张量样本中的多源传感关联信息与健康模式，实现对试车台气路系统的健康状态评估；最后利用中航某所发动机试车台实际试车数据，与支持向量机、决策树与朴素贝叶斯算法对比，结果表明提出方法在弱数据环境下具有良好评估能力，整体评估精度为89.7%，在极端弱数据环境，精度下降保持在8%以内。

摘要:相位敏感光时域反射仪(Φ-OTDR)通常利用相干探测的方式实现长距离、分布式、高灵敏度的振动检测。为了准确获取振动信号的位置与相位信息，正交解调算法是当下广泛使用的重要技术，但该算法存在耗时过长的局限。针对此问题，提出了一种基于现场可编程门阵列(FPGA)的瑞利散射信号快速解调方案，采用流水线结构实现传感数据采集以及数据解调的同步，通过数字正交混频技术获取两路正交信号，利用有限冲激响应低通滤波去除高频分量，利用坐标旋转数字算法(CORDIC)向量模式实现振动相位硬件解调，可以较好地提升相干探测Φ-OTDR系统整体的实时性。实验结果表明，在探测距离40 km的条件下，传感系统可成功实现振动信号的定位与相位还原。而探测距离不变，数据采集条数提升至4 000条时，FPGA解调仅耗时1.60 s，与传统的上位机CPU解调方案相比缩短了145.61 s，从而为Φ-OTDR振动传感数据的实时解调提供了参考。

摘要:行星变速器运行工况多是非平稳运行工况，运行过程中齿轮啮合振动信号相互耦合导致测试信号混叠，其隐藏故障诊断难度增大；同时应用复杂的神经网络模型进行故障诊断预测时多数会收到工业现场边缘计算设备硬件的限制。针对相关问题，在保证行星变速器故障诊断准确率的情况下减少网络模型的参数量，提出了一种应用平滑伪维格纳-威利分布(smooth and pseudo Wigner-Vile distribution,SPWVD)与知识蒸馏结合的智能识别模型用于行星变速器故障诊断。首先，利用集合经验模态分解(EEMD)方法将多分量振动信号分解后选取单分量信号进行SPWVD计算后线性叠加得到二维时频图作为输入，以ResNet101为教师模型指导学生模型MobileNet进行训练，复杂教师模型将数据中的知识传授给学生模型，提高了学生模型的精度。将该方法与同类方法进行了对比，结果表明，模型以牺牲2.43%准确率为代价，存储成本下降为教师模型的24.55%，相较未知识蒸馏的MobileNet的准确率提高了9.61%，实现模型轻量化。本研究方法对提高深度学习模型在工程实际应用，降低边缘计算设备部署成本提供了一种有效且可行的解决方法。

摘要:现有测试水润滑轴承特性重要表征参数水膜压力的诸多方法中，由于传感器距离真实测点较远或对轴系创伤较大等原因，导致准确的水膜压力实证数据难以获取，制约了轴承进一步研究与发展。针对上述难题，提出将薄膜传感器嵌入到轴承轴瓦中，而压力数据通过无线传感传输的全新监测方法。首先，建立轴瓦开槽轴承的物理模型，通过对沟槽附近轴瓦变形的有限元分析确定开槽位置、结构与数量；建立轴承流体域和固体域物理模型，对水膜压力分布进行仿真分析；然后，提出薄膜传感器标定方法对其准确标定；最后，进行多工况轴承水膜压力测试试验并与仿真结果和现有方法进行对比分析。研究结果表明，通过在轴承轴瓦开槽嵌入薄膜传感器并进行数据无线传输的方法可行，水膜压力实测数据与仿真结果偏差低于10%，比现有方法实测数据更精确。水膜压力沿轴向递减，轴承内部存在部分润滑膜，处于混合润滑状态。

摘要:超声波检测是一种常见的钢材缺陷检测方法，通过机器学习算法建立分类模型能够实现有效的缺陷识别。神经网络是目前最常采用的一种算法，但存在模型结构复杂且需要大量训练数据的问题。对此，提出一种基于随机森林的超声缺陷识别方法，能够实现对缺陷类型的智能、准确识别，以解决模型结构复杂和训练数据需求大的问题。首先对方体试件中的不同形状、尺寸和深度的缺陷进行超声检测实验，基于实验数据利用随机森林算法建立超声缺陷识别模型；进而对模型的缺陷识别效果进行分析，并与支持向量机、K-近邻分类算法、AdaBoosting算法和卷积神经网络比对分析缺陷识别效果；然后利用验证试件进行缺陷识别验证实验，以进一步验证所建立缺陷识别模型的有效性。结果表明，所提缺陷识别方法相比其他算法具有最高的准确率，验证实验中缺陷分类准确率达到94.6%。

摘要:针对现有被动式声源定位算法测量精度低、适用范围小等问题，提出了一种基于最优四基阵的被动式声源定位估计方法。该方法通过构建最优四基阵阵列结构以实现多阵元点共用，旨在使用较少的阵元总量实现对目标声源的融合定位估计，从而提高定位精度。并就该阵列模型确定空间目标定位方程组，将求解位置坐标问题转换为求解阵元点之间时延差值问题。进而采用二次分数低阶协方差算法求解脉冲噪声环境下的相应阵元间时延差值，即求得阵元信号的自分数低阶协方差和两阵元间信号的互分数低阶协方差之后，再次计算二者的互分数低阶协方差，以期更大程度上抑制脉冲噪声的影响，提高时延差值估计精度；最终将求得的时延估计信息带回定位方程组已实现对空间声源的定位估计。通过数值仿真和实测实验验证了所提方法的可行性及阵列结构的优越性。在实测实验中对声源定位估计误差仅为0.085 1 m，表明所提方法能较高精度的实现脉冲噪声环境下的声源定位，拓展了被动式声源定位算法的应用场景，具有一定的实际应用价值。

摘要:针对永磁同步电机运行过程中因模型不确定、参数摄动和外部扰动等因素的影响，从而导致驱动系统性能下降的问题，提出一种新型控制策略。首先，为减少对系统数学模型的依赖，构建了一个新的超局部模型，用于描述永磁同步电机的转速环。其次，基于转速环的新型超局部模型，结合一种新型积分终端滑模面和改进超螺旋控制律来设计新型无模型超螺旋快速积分终端滑模控制器，实现了对转速的精确控制。再次，采用非奇异快速终端滑模面和双幂次趋近律设计改进扩展非奇异终端滑模扰动观测器，通过精确观测和前馈补偿未知扰动，有效地抑制参数摄动和外部扰动，增强了系统鲁棒性，提高系统的动态性能和稳态性能。最后，通过与传统控制方法的仿真和实验对比，证实所提算法转速抗超调能力提升为0.412 5%，转矩快速响应能力提升0.013 s。结果表明当存在未知扰动时，所提方法具有较强的鲁棒性和良好的抗干扰性。

摘要:目前，大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性，这限制了模型的表达能力。而且，为了有效去噪，往往将边缘信息用作先验知识，而纹理信息通常被忽略。针对这些问题，提出一种新的图像去噪网络，该网络首先使用注意力相似性模块提取图像的全局相似性特征，通过平均池化来平滑和抑制注意力相似性模块中的噪声，以进一步提高网络性能；其次使用扩张残差模块来提取图像的局部和全局特征；最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外，还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息，利用纹理信息作为先验知识，可在去噪过程中保留演化图像中的细节。实验结果表明，与一些先进的去噪网络相比，新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2 dB左右，结构相似性提高了3%左右，更有利于实际应用。

摘要:在现有的模拟电路故障诊断算法中，人工智能故障诊断算法训练数据量大、训练时间长，且难以实现参数辨识。传统电路分析方法所需测试点多，计算复杂。基于此，提出了一种基于优化矩阵扰动分析的模拟电路故障诊断算法。首先，采用拉普拉斯（Laplace）算子卷积被测电路的输出响应矩阵，从而增强矩阵元素与电路元件参数之间的扰动规律。其次，选取矩阵的迹和谱半径作为故障特征，并利用这种扰动规律建立矩阵模型。然后，利用改进的诊断算法，在Sallen_Key带通滤波器电路和跳蛙低通滤波器电路上进行实例验证。结果表明，所提方法在仅使用一个测点的情况下，可实现故障元件的参数辨识。其故障诊断率达100%，参数辨识误差控制在1%内，且计算时间控制在毫秒级别。因此该方法容易实现在线测试，且适用于要求高定位准确率、高精度参数辨识的场合。

摘要:为解决传统双输入信号驱动的二维三稳随机共振系统(two-dimensional tri-stable stochastic resonance system driven by dual-input signals, DTDTSR)所存在的输出饱和和信号放大差等问题，独创性地提出了一种全新的系统：双输入信号驱动的耦合分段对称三稳态随机共振系统(coupled piecewise symmetric tri-stable stochastic resonance system driven by dual-input signals, DCPSTSR)。首先深入研究系统输出饱和性的问题，为系统性能的优化提供了关键理论基础。其次，在绝热近似理论的框架下，推导了系统的输出谱放大函数(spectral amplification, SA)。详尽分析了系统参数对其的影响，为更深层次的理解提供了理论支持。进一步，通过数值模拟对DCPSTSR、耦合分段对称三稳态随机共振系统(coupled piecewise symmetric tri-stable stochastic resonance system, CPSTSR)和DTDTSR系统进行了全面比较，结果明确指出DCPSTSR系统在输出谱放大函数方面显著优越于其他系统。最后，通过遗传算法对系统参数进行了精密优化，并将其成功应用于轴承故障检测。实验结果验证了DCPSTSR系统在性能上的卓越表现，为未来理论研究和工程应用提供了有力的理论支持和可行性验证。这一设计以及其在轴承故障检测方面的成功应用，为共振系统领域的进一步研究和实际应用提供了新的方向和范例，具有重要的科学和工程价值。

摘要:当前行人检测算法是无人驾驶领域的研究热点,但行人遮挡问题由于样本量相对比较少、遮挡情况多样、可视特征减少等因素，仍未得到很好的解决。针对行人之间相互遮挡或行人被其他物体遮挡导致的漏检问题，给出一种帧间方向梯度直方图特征关联的行人检测方法。首先，在YOLOv7基线网络模型的基础上添加跟踪的方法，以发现漏检行人并估计其位置信息；将含有漏检行人的最新局部图像作为新的信息，利用方向梯度直方图特征，采用支持向量机的方法，在漏检目标估计位置处进行行人检测，以改善由于部分遮挡所导致的漏检问题。实验结果与基线网络相比，该方法的精确度（P）值提高了6.25%，被遮挡行人的平均精度（AP）由26.67%提升到了53.42%。实验表明帧间方向梯度直方图特征关联的行人检测方法可以提高行人检测准确率，计算复杂度低，不明显增加原方法的计算开销，具有一定的应用价值。

摘要:针对退役圆柱动力锂电池自动化拆解过程中存在的成像环境复杂、电池不规则形变和金属表面不均匀漫反射等复杂情形，现有视觉识别方法无法准确提取轮廓与位姿信息问题，提出基于弗雷歇距离相似函数的轮廓精确提取和基于矩形度与边缘形态特征的位姿检测方法。通过建立圆柱锂电池Lambert漫反射模型和运用形态学运算方法得到锂电池粗定位轮廓，并根据弗雷歇距离定义的相似度函数，对粗定位图像内各像素带归类完成轮廓精确提取。随后根据圆柱锂电池正负极端特征，通过自适应阈值分割算法提取正负极端ROI区域特征轮廓，最后对比两端区域矩形度数值计算出锂电池位姿信息。实验结果显示：在自建包含形变、腐蚀锈斑和光照不均情形下的退役圆柱锂电池图像数据集中，所提方法对不同型号和位姿下的锂电池识别均有较高精度，其直径长度检测误差小于3%，位姿检测正确率高于94%，能够满足实际自动化拆解检测需求。

摘要:无监督行人重识别旨在无监督设置下从非重叠的相机中识别出同一行人。针对现有的无监督行人重识别网络不能充分提取行人特征以及相机之间的差异导致行人检索错误的问题，提出了一种细化特征引导对抗性解纠缠学习的无监督行人重识别方法，设计特征细化信息融合模块嵌入ResNet50网络的不同层，用以增强网络提取关键信息的能力。设计特征解耦学习方法最小化行人特征和相机特征之间的互信息，减少相机差异对网络的负面影响，同时设计对抗性解纠缠损失函数进行无监督联合学习。在两个公共数据集Market-1501和DukeMTMC-reID上对所提方法进行评估，平均精度均值分别提升了4.6%、3.1%，相较于基线算法具备较强的鲁棒性，满足在无监督背景下对行人的识别需求。

摘要:针对冗余特征对变压器故障识别影响和传统方法识别准确率低的问题，提出一种基于核主成分分析（kernal principal component analysis, KPCA）与混沌麻雀搜索算法（chaos gauss sparrow search algorithm, CGSSA）优化核极限学习机（kernelized extreme learning machine,KELM）的变压器故障识别方法。首先，通过KPCA对变压器故障数据进行预处理，降低特征间相关性。其次，通过引入改进Tent映射和高斯变异策略优化麻雀搜索算法提高其搜索精度和收敛速度，并将CGSSA与麻雀搜索算法（SSA）、灰狼优化算法（GWO）及鲸鱼优化算法（WOA）效果进行对比。最后，利用经KPCA处理后的特征数据作为模型输入，并通过CGSSA准确选择KELM的核函数参数和正则化系数，建立KPCA-CGSSA-KELM变压器故障识别模型。实验结果表明，在相同输入数据的情况下，CGSSA在收敛速度和寻优精度方面均有提升，且所提方法识别准确率为95.7%，较WOA-KELM、GWO-KELM、SSA-KELM分别提高18.6%、10%、15.7%。结果表明所提方法能有效处理冗余特征，提高故障识别准确率，证明了使用所提方法在在冗余特征影响的情况下进行变压器故障识别的有效性与可行性。

摘要:为了解决标准注意力方法只能生成粗粒度的注意力区域，既无法获取遥感对象之间的地理关系，也不能充分利用遥感图像语义内容的问题，提出了一种面向遥感图像的结构化图像描述网络（geoobject relational segmentation for remote sensing image captioning,GRSRC）。首先，针对遥感图像特征高度结构化的特点，提出基于结构化遥感图像语义分割的特征提取方法，通过增强编码器特征提取能力实现更准确的表达；同时，引入注意力机制对分割区域进行加权，使模型能够更加关注重要的语义信息；其次，针对遥感图像空间对象位置关系较为明确的特点，在注意力机制中融合地理空间关系，使生成的描述更加准确且具有空间一致性；最后，在RSICD、UCM、Sydney 3个公开的遥感数据集上进行实验评估，在UCM数据集上，BLEU-1达到了84.06、METEOR达到了44.35、ROUGE_L达到了77.01，相较于所对比的经典模型，分别提升了2.32%，1.15%和1.88%。实验结果说明模型能够更充分利用遥感图像语义内容，表明了该方法在遥感图像描述任务中具有较好的性能。

摘要:针对大规模无线先进测量仪表在智能配电网应用时，无法实现对不同类型传输数据的延时性能进行分别评估分析的不足，提出了一种保证实时性需求的射频网状网络（WMNs）数据分类传输的延时性能评估方法。在分析智能配电网WMNs架构基础上，借助马尔科夫链调制手段，建立起前后两个连续时隙起始阶段之间函数关系。为避免在求取稳态解过程中解高阶微分方程的困难，给出了一种基于误差迭代求取稳态工作点的求解方法并给出详细求解流程。在稳态工作点求出的基础之上，进一步建立实时性数据和非实时性数据在上行、下行传输过程中平均延时性能评估分析解析式。为了验证所提出的智能配电网WMNs延时性能评估方法有效性，分别对实时性数据和非实时数据在3种不同的传输率环境下延时性能进行仿真测试。实验仿真和测试结果表明，所提出的方法，能够实现对智能配电网不同类型的通信数据的传输延时进行性能评估分析，而且能够提射频网状网络的传输性能。

摘要:各种原因使得工业现场设备状态监测的首选测量信号是声信号时，提出一种基于声信号的设备状态监测方法显得尤为必要。以某型离心泵为依据对象，对现场采集的声信号提取梅尔倒谱系数（MFCC）作为信号的初始特征，然后计算这些MFCC初始特征的散布熵（DE）值，并通过主成分分析法（PCA）对矩阵进行降维，从而构造特征矩阵。利用蝙蝠优化算法（BA）对支持向量机（SVM）的惩罚系数与核函数参数进行优化，对离心泵的多种故障工况开展诊断，并与多种诊断方法进行比较。实验结果表明，经过BA优化后的模型在诊断准确率上提高了21.7%；在该模型的基础上利用DE对MFCC提取的信号进行深度挖掘，使模型诊断的准确率提高2.05%。

摘要:飞机多层金属铆接结构随着飞机服役时间的增加，并伴随极端服役环境，有可能出现疲劳裂纹等缺陷，及时发现缺陷并获取缺陷深度、方向等信息对损伤评估与维修具有重要意义。然而，由于多层结构带来的缺陷隐蔽性，导致常规电涡流探头检测信号特征不明显，且常规电涡流探头对某些方向缺陷不敏感，难以判断疲劳裂纹走向。针对上述问题，设计了一种十字跑道型差分式涡流探头，主要由一个十字跑道型激励线圈和两组差分检测线圈组成。通过建立飞机多层金属铆接结构缺陷检测的三维有限元模型研究新型涡流探头的可行性，包括对探头的结构进行了优化，分别对缺陷的不同方向、埋深和提离高度进行了仿真计算。结果表明，新型探头能够有效检测埋深6 mm、尺寸为10 mm×1 mm×1 mm的深层缺陷，并且能够获取缺陷的方向信息。相较传统探头，设计探头具有非敏感方向不漏检、抗提离效应、分辨力高等优势，研究结果可对飞机多层金属铆接结构检测的电涡流探头设计提供一定的参考。

摘要:山地非标准果园内大型植保机械通行性差，小型轮式植保机器人有广阔的应用前景。为解决因果园枝叶郁闭所造成的视觉信息误判，作业地形复杂所造成的机器人避障不及时等问题，提出了一种基于改进ACODWA算法的轮式植保机器人路径规划算法。首先通过激光雷达获取果园环境信息，应用体素化网格法精简点云密度，利用栅格法分割地面点云，采用K-means算法提取机器人行间通行区域；再结合植保机器人的运动学模型及作业规范约束，采用基于模型预测算法（SBMPO）生成一系列待选轨迹集合；然后采用改进的ACO-DWA算法，将机器人的通行成本融入搜索节点的目标函数，根据环境地图在线进行路径规划；最后，利用MATLAB R2021仿真平台和机器人ROS操作系统分别进行了仿真验证和实景布置试验。试验结果表明，该方法可以明显改善机器人在果园复杂场景下的通行能力，算法路径规划效果和运行效率明显提高。

摘要:针对纹理图像表面划痕、裂纹等缺陷不规则、随机分布,导致缺陷检测准确率低的问题,研究一种基于正负样本差异特征双径向融合的自监督缺陷检测方法。首先,采用Otsu阈值分割提取图像前景信息,并以DTD数据集中的纹理图像或数据增强后的正样本叠加Perlin噪声,对正样本图像进行缺陷模拟以合成负样本;然后,利用正负样本经编码器输出的中间特征,计算均方误差进行特征匹配,结合坐标注意力(coordinate attention, CA)和双径向路径聚合网络(path aggregation network, PANet)加强匹配特征的信息融合;最后,将融合特征与编码器输出的低层和高层特征一同输入解码器,优化调整Focal、L1和Dice损失函数权重,实现对缺陷掩码更精准地预测。实验显示,所提模型在MVTec AD数据集纹理类别上的平均图像级、像素级AUROC分别达到了0.995、0.968,相较于其他缺陷检测模型,分类和分割准确率均有提升,表明所提方法在纹理缺陷检测方面的有效性。

摘要:烃类气体含量的有效监测是油气勘探开采过程中安全保障的重要环节。红外光谱法作为一种安全高效的检测方法，受到现场工程师的关注，但主要采用离线模型进行测量，无法较好应对现场复杂的工况及变化多样的非线性影响因素，导致离线模型不更新而难以维持较高的预测精度。为此，提出了一种融合相似性度量加权核偏最小二乘的即时学习建模策略。首先设计了一种多相似性度量准则融合的样本相似性判别依据，有效筛选历史样本用于在线建模，其次在局部PLS模型中引入非线性核函数，实现非线性特征的有效提取，弥补线性偏最小二乘模型的非线性处理能力。在构建的多组分混合气体红外光谱数据上的实验结果验证了该方法的有效性，拟合优度R2达到0.994 1，RMSE和MRE相比PLS模型分别提升了43.6%和85.8%，可有效用于烃类气体红外光谱定量分析模型的在线更新与高精度预测。

摘要:质子交换膜燃料电池的反应过程涉及多物理场、多部件、多因素的强耦合作用,其运行不可避免地伴随着长期的性能衰退及局部性能波动。然而,从多重耦合的众多监测参数中有效识别出关键特征并捕捉整体性能的衰退趋势变得异常困难。针对以上问题,提出一种基于XGBoost和Self-Atten-LSTM的PEMFC退化预测模型。首先,利用小波阈值去噪的方法剔除PEMFC原始数据中的噪声干扰;然后,采用XGBoost算法从众多参数中选择出对PEMFC性能影响显著的主要特征,实现关键特征的精确提取;最后,在LSTM中引入自注意力机制(self-attention)解决了其在处理长序列时的全局建模和多维向量间复杂交互关系不足的问题,通过自适应加权,更充分地利用了PEMFC的退化信息。与LSTM、Bi-LSTM、GRU模型相比,所提模型无论在稳态条件还是在动态条件下,都能较准确地预测燃料电池的退化,且模型平均绝对误差减小56.34%~77.04%,预测精度可达99.09%。该方法可广泛应用于制定车辆运行维护策略、提高系统可靠性等方面。

摘要:非接触式电压测量方法不直接与线路的金属导体部分接触，能适应多种应用场景的电压监测。设计一种利用改进的非接触式电压测量技术对线路电压进行测量并将测量得到的电压波形用于线路故障电压诊断的系统。对传统的非接触式电压测量技术进行拓扑分析并对测量电路拓扑进行改进，能够不受耦合电容影响并准确地测量线路上的电压。由于目前单一的故障特征提取方法具有局限性，为了利用由非接触式电压测量技术测量得到的电压波形实现准确地对线路故障电压进行识别诊断，提出了基于集成学习的故障电压状态识别系统，利用多种特征提取方法提取非接触式电压测量得到的电压波形特征，其识别结果用于对线路故障进行预警和处理。针对该电压监测系统，设计了测量精度和故障识别测试，得到稳态平均误差为0.9%，故障识别准确率最高可达到93%，表明该电压监测系统具有较高的精度和故障识别准确率。

摘要:针对模拟电路故障类型多、故障状态不稳定以及故障数据冗余,使得模拟电路故障诊断困难的问题,提出利用改进哈里斯鹰算法(improved Harris Hawks optimization,IHHO)优化反向传播(back propagation,BP)神经网络,实现模拟电路故障特征选择与诊断。首先,将非线性自适应因子、柯西变异和随机差分扰动引入哈里斯鹰算法,实现收敛速度和精度的提升;其次,采用IHHO对模拟电路的单一故障和组合故障仿真数据进行特征选择,完成数据预处理;最后,采用IHHO-BP算法,对预处理后的故障数据进行训练和测试,实现模拟电路故障诊断。诊断结果表明,所提方法的诊断精度相较于其他算法提升了5.5%。