FICA-IPNN集合型滚动轴承故障诊断方法

摘要：

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.

关键词：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

所属期刊栏目：18

分类号：TP206(自动化技术及设备)

资助基金：国家自然科学基金60974070;辽宁省科学技术计划项目2010222005

在线出版日期：2014-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：73-78