基于KPCA与径向基神经网络的滚动轴承故障诊断

• 作者: 张博峰
• 来源期刊: 内燃机与配件
• 关键词: KPCA 径向基神经网络 K-Means 故障诊断
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 质量与检修
• 页码范围: 133-135
• 页数: 3页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1674-957X.2021.13.064

摘要

为了解决滚动轴承故障诊断中数据量大以及分类结果不准确的问题,本文提出一种核主成分分析法(Kernel-PCA)结合径向基神经网络(Radial Basis Function,RBF)的诊断方法.通过KPCA算法对1000组样本数据进行降维处理,最大程度保留了原始数据的特征信息.利用K-Means聚类算法确定RBF神经网络的高斯函数的数据中心以及扩展常数,通过线性最小二乘法得到隐层与输出层的连接权值以及阈值,最终测试样本数据的均方误差为0.0694.