作者：杨世锡; 焦卫东; 吴昭同神经网络特征提取隐藏rmi自组织映射径向基网络独立分量分析正常对照健康状况
摘要：首先利用基于固定点迭代的快速算法(FASTICA)提取不同机械状态模式(包括正常、齿轮故障及机座松动)特征,随后以此训练某一典型神经网络(如径向基网络或自组织映射网络),以实现模式的最终分类.借助独立分量分析(ICA)及基于残余互信息(RMI)的二次特征抽取策略,隐藏于多通道振动观测中的高阶特征得以有效提取,进而实现机械状态模式的准确识别.对照分类实验结果表明,基于无导师学习的自组织映射(ICA-SOM)分类方法不仅具有较好的故障模式分类能力,且实现简单直观,在机器健康状况监测中有较大的应用潜力.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
