学会简介

基于独立分量分析特征提取的复合神经网络故障诊断法

   

【作者】 杨世锡; 焦卫东; 吴昭同;

【Author】 Yang Shixi Jiao Weidong Wu Zhaotong (Department of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China)

【机构】 浙江大学机械工程系; 浙江大学机械工程系 杭州310027; 杭州310027; 杭州310027;

【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;


点击此处查看具体文献