基于改进概率神经网络的滚动轴承故障诊断

• 作者: 周鹏 李充宁 王仲民
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 改进概率神经网络 平滑因子 故障诊断 滚动轴承
• 年，卷（期）: 2013,（5）
• 页码范围: 729-732
• 页数: 4页
• 分类号: TP183|TH133
• 字数: 3088字
• 语种: 中文

摘要

探讨了经典概率神经网络(PNN)作为模式分类器时的相关原理,针对传统PNN采用相同平滑因子而导致识别率低的问题,提出了一种改进概率神经网络(IPNN),其平滑因子根据模式类别的不同而自适应变化,从而使隐含层的神经元具有更高的适应性,更好地表征了特征向量与模式状态的关联性,反映了输入特征向量对于正确分类结果的实际作用,并将该IPNN应用于滚动轴承的故障诊断中.实验结果表明:IPNN能够有效提高滚动轴承故障分类的准确性,比经典PNN和常用的误差反向传播神经网络(BPNN)具有更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王仲民	天津职业技术师范大学机电工程研究所	56	407	9.0	18.0
2	李充宁	天津职业技术师范大学机电工程研究所	30	330	9.0	18.0
3	周鹏	天津职业技术师范大学机电工程研究所	3	12	2.0	3.0