一种新的高阶前馈神经网络及其在旋转机械故障诊断中的应用.pdfVIP

清华大学学报 自然科学版 年 第 卷 第 期 !# $%%%%%’( - .*%%$ ($ * $%,++ )# $$***+,# - .=*%%$= A($= A* +B ($=(’ /012345678329 :2; 0:5 ?@ #? 一种新的高阶前馈神经网络及其在旋转机械 故障诊断中的应用 何永勇$= 褚福磊$= 钟秉林* 清华大学 精密仪器与机械学系 摩擦学 国家重点实验室 北京 -$A = = $%%%B(C *A国家教育部高教司 北京 = $%%B$D. 摘 要 剖析 了基于 神经网络和径 向基函数网络 的故障 作为一种模式识别方法 人工神经 网络尤其是 E HI = 诊断模型的诊断性能和应用 中的局限性 针对这些诊断模型 = 传统的 HI神经网络和径 向基函数 网络 已被广泛应 的局限性 提 出了基于椭球单元 高阶网络 的 = - . J@@2K1?2L832M 用于众多领域的模式分类场合 在这些研究中 其文 G = 诊断模型 并对 网络训练算法进行 了研究 提 出了基于模糊 = = 献均给 出了十分满意的研究结果 但仔细分析不难 = 聚类算法 的网络权重初始化方法和 网络动态训练策略 有效 = 发现这些结果并不具一般性 因为这些研究中所选 地改善 了网络 的学 习性能和诊断性能 最后对该 网络在旋 = C 用 的分类示例往往相对简单 模式样本也具有很好 转机械故障诊断中的应用进行 了研究 结果表 明 比之经典 = G E 前馈 网络 椭球单元网络在故障分类方面 因其能形成封 闭有 的规则性状 模式样本分布规律简单且少有噪音污 = - 界的决策区域而具有 明显的聚类 的优越性和分类 的合理性 = 染 分类模式也具有可穷性 然而 在实际应用中尤 .= G = 很适合故障诊断领域 的分类 问题 G