基于径向基函数神经网络的滚动轴承故障模式的识别
吉林大学机械科学与工程学院,长春 130025
下一篇 上一篇
摘要
径向基函数(RBF)神经网络是一种3层前馈性神经网络,它具有较强的函数逼近能力和分类能力。鉴于径向基函数神经网络的优点,在对滚动轴承振动信号特征分析的基础上,提出了采用时序方法对其建立AR模型,利用AR模型参数建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性,且具有较高的识别精度。
参考文献
[ 1 ] 何正嘉, 訾艳阳, 孟庆丰, 等.机械设备非平稳信号的故障诊断原理及应用[M ].北京:高等教育出版社, 2001 链接1
[ 2 ] 徐章遂, 房立清, 王希武, 等.故障信息诊断原理及应用[M ].北京:国防工业出版社, 2001 链接1
[ 3 ] ManolakisDG , IngleVK , KogonSM .统计与自适应信号处理[M].北京:电子工业出版社, 2003 链接1
[ 4 ] 屈梁生, 何正嘉.机械故障诊断学[M].上海:上海科技出版社, 1986 链接1
[ 5 ] ChenS , CowanCFN , GrantPM .Orthogonalleastsquareslearningalgorithmforradialbasisfunctionnetworks[J].IEEETransNeuralNetworks, 1991, (2) :302~309
[ 6 ] HaykinS .NeuralNetworks:AComprehensiveFoundation (SecondEdition) [M ].PrenticeHall, 1999
[ 7 ] HamFM , KostanicI.PrinciplesofNeuroComputingforScience&Engineering[M].McGrawHill, 2001
[ 8 ] HushDR , HorneBG .Progressinsupervisedneuralnetworks:what snewsinceLippmann?[J].IEEESPMagazine, 1993, 10 (1) :8~39
[ 9 ] 杨行峻, 郑君里.人工神经网络与盲信号处理[M].北京:清华大学出版社, 2003 链接1