基于MHHO-BP算法的DC-DC电路软故障诊断
DOI:
CSTR:
作者:
作者单位:

1. 安徽理工大学 电气与信息工程学院 淮南 232001; 2. 亳州学院 电子与信息工程系 安徽 236800; 3. 安徽理工大学 环境友好材料与职业健康研究院(芜湖) 芜湖 241003

作者简介:

通讯作者:

中图分类号:

U226.8+1

基金项目:

安徽省重点研究与开发计划(202104g01020012);安徽理工大学环境友好材料与职业健康研究院研发专项基金资助项目(ALW2020YF18)


Soft fault diagnosis of DC-DC circuits based on MHHO-BP algorithm
Author:
Affiliation:

1. College of Electrical and Information Engineering,Anhui University of Science and Technology,Huainan 232001,China; 2. Department of Electronic and Information Engineering,Bozhou University,Bozhou 236800,China; 3. Institute of Environmentally Friendly Materials and Occupational Health (Wuhu),Anhui University of Science and Technology,Wuhu 241003,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对DC-DC电路软故障诊断中特征提取困难和分类准确率低的问题,提出了一种基于多策略改进哈里斯优化算法-反向传播MHHO-BP)神经网络的故障诊断方法。该方法通过VMD对故障信号进行处理,提取其时域和频域特征作为故障向量,采用MHHO算法优化BP神经网络的权值和阈值,建立DC-DC电路的VMD-MHHO-BP软故障诊断模型。实验结果表明,对于DC-DC电路软故障,该方法相较于鲸鱼优化算法(WOA)和蝴蝶优化算法(BOA)优化BP神经网络,其诊断效果好,准确率高。

    Abstract:

    To address the problems of difficult feature extraction and low classification accuracy in soft fault diagnosis of DC-DC circuits, a fault diagnosis method based on multi-strategy improved Harris optimization algorithm-back propagation (MHHO-BP) neural network is proposed. The method processes the fault signal by VMD, extracts its time-domain and frequency-domain features as the fault vector, and uses the MHHO algorithm to optimize the weights and thresholds of the BP neural network to establish a VMD-MHHO-BP soft fault diagnosis model of DC-DC circuits. The experimental results show that for soft faults of DC-DC circuits, the method has good diagnostic effect and high accuracy compared with the Whale Optimization Algorithm (WOA) and Butterfly Optimization Algorithm (BOA) optimized BP neural network.

    参考文献
    相似文献
    引证文献
引用本文

王力,李振壁,姜媛媛.基于MHHO-BP算法的DC-DC电路软故障诊断[J].电子测量技术,2022,45(18):25-31

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-03-29
  • 出版日期:
文章二维码