基于改进的RBF神经网络的滚动轴承故障诊断

• 作者: 宋生建 张远绪 程换新
• 来源期刊: 工业仪表与自动化装置
• 关键词: RBF神经网络 减聚类算法 故障诊断 滚动轴承
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP183|TH133.3
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0682.2018.06.007

摘要

该文阐述了径向基函数(radial basis function,RBF)神经网络的基本原理和算法,并针对RBF神经网络存在的隐含层的隐层单元数目及中心向量、扩展参数难以确定的问题,利用减聚类算法进行RBF网络的改进,建立应用于滚动轴承故障诊断与识别的RBF神经网络智能识别模型,并通过实验与BP(back propagation)神经网络进行比较分析研究.结果表明,减聚类算法能够有效地确定网络参数,改进的RBF神经网络对预设滚动轴承故障能够准确诊断,并且具有训练速度快的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程换新	青岛科技大学自动化与电子工程学院	26	98	4.0	9.0
2	宋生建		4	9	2.0	3.0
3	张远绪	青岛科技大学自动化与电子工程学院	4	5	2.0	2.0