CAJ | 학술논문

随着高速旋转设备日益得到广泛应用。这些设备对加工质量及效率起着关键乃至核心作用，其造价往往相当昂贵。因此高速旋转加工设备的损坏或产品报废甚至仅仅是加工效率的降低都可能造成巨大的损失，为了确保高速旋转设备的正常工作及对设备故障的预防，基于RBF神经网络的高速旋转设备故障诊断技术日趋发展。由于RBF神经网络具有并行分布式处理、联想记忆、自组织及自学习能力和极强的非线性映射特性，能对复杂的信息进行识别处理并给予准确的分类，因此可以用来对系统设备由于高速旋转机械故障而引起的状态变化进行识别和判断，从而为高速旋转设备故障诊断与状态监控提供了新的技术手段。
수착고속선전설비일익득도엄범응용。저사설비대가공질량급효솔기착관건내지핵심작용，기조개왕왕상당앙귀。인차고속선전가공설비적손배혹산품보폐심지부부시가공효솔적강저도가능조성거대적손실，위료학보고속선전설비적정상공작급대설비고장적예방，기우RBF신경망락적고속선전설비고장진단기술일추발전。유우RBF신경망락구유병행분포식처리、련상기억、자조직급자학습능력화겁강적비선성영사특성，능대복잡적신식진행식별처리병급여준학적분류，인차가이용래대계통설비유우고속선전궤계고장이인기적상태변화진행식별화판단，종이위고속선전설비고장진단여상태감공제공료신적기술수단。