改进多线性主成分分析网络及其在滚动轴承故障诊断中的应用

摘要：

针对实测滚动轴承振动信号通常存在噪声干扰,具有非线性和非平稳特性,而多线性主成分分析网络(MPCAnet)在处理复杂非平稳数据时存在非线性拟合能力差、特征聚类性一般的问题,通过引入核变换,提出了一种改进的多线性主成分分析网络,增大了训练样本间的差异度,进一步提高了MPCAnet在处理非线性数据时的泛化能力和分类精度.通过不同滚动轴承故障诊断数据集对该方法进行验证,结果表明该方法具有较高的鲁棒性,能够准确识别滚动轴承的各类故障.

关键词：卷积神经网络;改进多线性主成分分析网络;核主成分分析;滚动轴承;故障诊断

所属期刊栏目：33

分类号：TH165

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：187-193,201