工程机械
工程機械
공정궤계
CONSTRUCTION MACHINERY AND EQUIPMENT
2004年
11期
4-8
,共5页
陆爽%于相慧%陈岱民%张子达
陸爽%于相慧%陳岱民%張子達
륙상%우상혜%진대민%장자체
滚动轴承%振动信号%K-L变换%RBF神经网络%模式识别
滾動軸承%振動信號%K-L變換%RBF神經網絡%模式識彆
곤동축승%진동신호%K-L변환%RBF신경망락%모식식별
径向基函数(RBF)神经网络是一种三层前馈型神经网络,它具有较强的非线性函数逼近能力和分类能力.根据径向基函数神经网络的优点,在对滚动轴承振动信号故障特征分析的基础上,应用K-L变换将所测取的振动相关特征矢量转化为独立的特征矢量,利用其主特征值建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别.理论和试验证明了该方法的有效性,且具有较高的识别精度.
徑嚮基函數(RBF)神經網絡是一種三層前饋型神經網絡,它具有較彊的非線性函數逼近能力和分類能力.根據徑嚮基函數神經網絡的優點,在對滾動軸承振動信號故障特徵分析的基礎上,應用K-L變換將所測取的振動相關特徵矢量轉化為獨立的特徵矢量,利用其主特徵值建立徑嚮基函數神經網絡,併用該網絡對滾動軸承的故障模式進行瞭識彆.理論和試驗證明瞭該方法的有效性,且具有較高的識彆精度.
경향기함수(RBF)신경망락시일충삼층전궤형신경망락,타구유교강적비선성함수핍근능력화분류능력.근거경향기함수신경망락적우점,재대곤동축승진동신호고장특정분석적기출상,응용K-L변환장소측취적진동상관특정시량전화위독립적특정시량,이용기주특정치건립경향기함수신경망락,병용해망락대곤동축승적고장모식진행료식별.이론화시험증명료해방법적유효성,차구유교고적식별정도.
