摘要: 提出了一种新颖的、基于独立分量分析(ICA)的多层神经网络,用于旋转机械不同模式(如正常及轴承故障等)的特征抽取,随后利用多层感知器(MLP)实施最终的模式分类。借助独立分量分析方法,隐藏于多通道振动观测中的不变特征得到有效提取,从而建立起稳定的MLP分类器。试验所获得的成功分类结果表明,所建议的新的旋转机械健康状况监测方法具有较大的应用潜力。
中图分类号:
杨世锡;焦卫东;吴昭同. 独立分量分析基网络应用于旋转机械故障特征抽取与分类[J]. , 2004, 40(3): 45-49.
Yang Shixi;Jiao Weidong;Wu Zhaotong. INDEPENDENT COMPONENT ANALYSIS BASED NETWORKS FOR FAULT FEATURES EXTRACTION AND CLASSIFICATION OF RATATING MACHINES[J]. , 2004, 40(3): 45-49.