电机与控制学报
電機與控製學報
전궤여공제학보
ECTRIC MACHINES AND CONTROL
2014年
3期
73-78
,共6页
杨青%王栗%刘彧诚%刘念
楊青%王慄%劉彧誠%劉唸
양청%왕률%류욱성%류념
故障诊断%快速独立成分分析%增量概率神经网络%特征提取%滚动轴承
故障診斷%快速獨立成分分析%增量概率神經網絡%特徵提取%滾動軸承
고장진단%쾌속독립성분분석%증량개솔신경망락%특정제취%곤동축승
fault diagnosis%fast independent component analysis%incremental probabilistic neural network%feature extract%rolling element bearing
为了提高滚动轴承故障诊断的准确性和适应性,提出快速独立成分分析(fast independent component analysis,FICA)和增量概率神经网络(incremental probabilistic neural network,IPNN)相结合的FICA-IPNN集合型滚动轴承故障诊断方法.首先,针对滚动轴承的故障振动信号非高斯特点,利用固定点迭代的FICA算法提取出滚动轴承振动信号特征,其次,为了提高概率神经网络分类的适应性,采用在线增量方法,优化概率神经网络结构,训练概率神经网络参数.实验表明,该集合型故障诊断方法较传统概率神经网络有更高的分类准确性和适应性.
為瞭提高滾動軸承故障診斷的準確性和適應性,提齣快速獨立成分分析(fast independent component analysis,FICA)和增量概率神經網絡(incremental probabilistic neural network,IPNN)相結閤的FICA-IPNN集閤型滾動軸承故障診斷方法.首先,針對滾動軸承的故障振動信號非高斯特點,利用固定點迭代的FICA算法提取齣滾動軸承振動信號特徵,其次,為瞭提高概率神經網絡分類的適應性,採用在線增量方法,優化概率神經網絡結構,訓練概率神經網絡參數.實驗錶明,該集閤型故障診斷方法較傳統概率神經網絡有更高的分類準確性和適應性.
위료제고곤동축승고장진단적준학성화괄응성,제출쾌속독립성분분석(fast independent component analysis,FICA)화증량개솔신경망락(incremental probabilistic neural network,IPNN)상결합적FICA-IPNN집합형곤동축승고장진단방법.수선,침대곤동축승적고장진동신호비고사특점,이용고정점질대적FICA산법제취출곤동축승진동신호특정,기차,위료제고개솔신경망락분류적괄응성,채용재선증량방법,우화개솔신경망락결구,훈련개솔신경망락삼수.실험표명,해집합형고장진단방법교전통개솔신경망락유경고적분류준학성화괄응성.
