The paper presents the application of the Principal Component Analysis (PCA) to the analysis and comparison of different multidimensional feature vectors describing the given analogue circuit for the diagnosis purposes. The diagnosis is regarded here as the recognition of the faulty element in the circuit. Usually the PCA results reveal that only few first principal components are important from the point of view of the reconstruction of the compressed original information. These components contain normally more than 90% of the whole information. Presenting the investigated process on the plane composed by the first two components can reveal the ability of the features to discriminate between different states of the electrical circuit. On the basis of this we can asses the usefulness of these features for the diagnosis purposes.
PL
Praca przedstawia zastosowanie transformacji według składników głównych (PCA) w selekcji cech wzorca najlepiej charakteryzujących obwód analogowy podlegający diagnostyce. Diagnostyka jest rozumiana jako zadanie rozpoznania uszkodzonego elementu w obwodzie, gdzie pod pojęciem uszkodzenia rozumie się zmianę wartości parametru elementu poza przyjęty zakres tolerancji. Analiza PCA pozwala określić rozkład wartości głównych, z których zwykle dwa są dominujące. Rzutując dane pomiarowe na te dwa najważniejsze składniki główne otrzymuje się wizualizację rozkładu danych wielowymiarowych na płaszczyźnie. Z analizy rozkładów odpowiadających różnym wektorom cech wzorca można wnioskować o lepszym lub gorszym zróżnicowaniu cech diagnostycznych wybranej reprezentacji wzorca. Przedstawiona metoda została zilustrowana na przykładzie diagnostyki analogowego filtru RC drugiego rzędu.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.