典型文献
RCFOA-SVM法诊断核辐射探测器模拟电路故障
文献摘要：
为提高核辐射探测器模拟电路的故障诊断精度,基于果蝇优化算法(FOA)和支持向量机(SVM),探讨了反向认知果蝇优化算法(RCFOA)优化SVM的核辐射探测器模拟电路故障诊断新方法.基于小波包能量提取出模拟电路故障特征集,将反向学习策略引入FOA中,提出RCFOA方法并用于SVM参数优化,提高参数设置的合理性,以优化后的SVM作为模式识别方法对特征集进行分类,得到诊断结果.测试结果表明:RCFOA-SVM法省时、诊断精度更高、更加实用有效.
文献关键词：
反向认知果蝇优化算法;支持向量机;故障诊断;模拟电路;核辐射探测器
中图分类号：
作者姓名：
谭鹤毅;张伟;闵丙源
作者机构：
南充职业技术学院电子信息工程系,四川南充637131;电子科技大学自动化工程学院,成都611731;牧园大学工学院,韩国大田35349
文献出处：
引用格式：
[1]谭鹤毅;张伟;闵丙源-.RCFOA-SVM法诊断核辐射探测器模拟电路故障)[J].核电子学与探测技术,2022(04):646-651
A类：
RCFOA,反向认知果蝇优化算法
B类：
核辐射探测器,高核,故障诊断精度,于果,模拟电路故障诊断,于小波,小波包能量,出模,故障特征,征集,反向学习策略,高参数,参数设置,模式识别,诊断结果,省时
AB值：
0.145186
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
