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：内燃机与配件, 2021, (13): 133-135.

DOI：10.19475/j.cnki.issn1674-957x.2021.13.064

• KPCA
• 径向基神经网络
• K-Means
• 故障诊断

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。

• 单位
  重庆交通大学