基于WPT和FOAGRNN的模拟电路故障诊断
【摘要】 为提高对模拟电路故障模式的准确分类和减少网络模型的训练时间，提出基于小波包变换(WPI`)和果蝇算法(FOA)优化广义回归神经网络(GRNN)的模拟电路故障诊断方法。首先采用小波包变换提取电路优质故障特征，以减少网络训练时间。然后建立GRNN网络模型，选择FOA算法优化GRNN网络参数，构建最优模型对电路故障特征进行训练测试，最后采用仿真测试其性能。实验结果表明，FOA算法有效提高诊断模型训练效率，相比于其它电路故障诊断模型，FOAGRNN模型具有更高的诊断率和优越性。
