聚类加权PSO-LSSVR的模拟电路性能在线评价策略

针对模拟电路性能在线评价中现场数据采集不可避免产生错值和干扰的问题,运用模糊C-均值聚类(FCM)方法,根据数据特征将电路模型分为多个子模型,同时对子模型样本进行加权;利用标准支持向量机(LSSVR),结合粒子群算法(PSO)对于参数优化的优越性,实现对于错值、干扰参数的有效抑制。考虑到传统的离线评价策略在训练样本组发生变化时,存在模型不能适时调整等问题,引入增减交互更新设计,实现模型的快速在线更新。实验以高效模拟电路实验为依托,采用近两年内由精密仪器设备测评所得的传统的OTL放大电路的八项技术指标构建训练集,建立PSO-LSSVR的组合模型进行在线评价。结果表明:该方法能有效处理错值和干扰所带来的回归偏差,性能优于传统LSSVR法、ε-SVR法,评价精度与精密仪器性能评价精度近乎相同,同时具有运算速度优的优势。仿真实验进一步验证了模拟电路性能评价方法 PSO-LSSVR的有效性。