基于独立分量分析特征提取的复合神经网络故障诊断法

摘要：

首先利用基于固定点迭代的快速算法(FASTICA)提取不同机械状态模式(包括正常、齿轮故障及机座松动)特征,随后以此训练某一典型神经网络(如径向基网络或自组织映射网络),以实现模式的最终分类.借助独立分量分析(ICA)及基于残余互信息(RMI)的二次特征抽取策略,隐藏于多通道振动观测中的高阶特征得以有效提取,进而实现机械状态模式的准确识别.对照分类实验结果表明,基于无导师学习的自组织映射(ICA-SOM)分类方法不仅具有较好的故障模式分类能力,且实现简单直观,在机器健康状况监测中有较大的应用潜力.

关键词：故障诊断、神经网络、独立分量分析

所属期刊栏目：17

分类号：TN911.7;TH165.3

资助基金：国家自然科学基金50205025;国家自然科学基金50335030

在线出版日期：2005-01-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：438-442