基于Fisher準則函數的相關向量機模擬電路故障診斷術

摘要：針對模擬電路故障與特征間存在的模糊組及交疊、分類效果不理想的情況，提出基于Fisher準則函數的最佳聚類數自適應估計方法和基于稀疏貝葉斯相關向量機(RVM)理論的模擬電路故障診斷模型，采用模糊核聚類選擇最優可診斷故障集，然后在貝葉斯框架下對故障進行分類。該模型可以對分類函數的權重進行推斷，輔助進行診斷決策，提高了RVM模擬電路故障分類的效率和準確度。仿真表明提出的診斷模型在精度提高的情況下，更具稀疏性和泛化性。