ELVQ算法实现宽参数偏移的多故障电路诊断

该文提出了一种强化自适应策略的学习矢量量化(Enhanced Learning Vector Quantization, ELVQ)算法,并设计了基于SOM(Self-Organizing Map)-LVQ模型的故障分类方法,用于实现宽参数偏移的模拟电路多故障诊断。该文算法具有两方面的优势：一方面利用获胜神经元数目的自适应,均衡了神经元的获胜概率;另一方面根据样本分类结果计算作用因子修正神经元的权值,增强了类别边界决策性能。仿真结果表明,所提出的算法具有收敛速度快,分类误差小等特点。