FastICA遗传神经网络算法

被引：11

作者：

许同乐

侯蒙蒙

蔡道勇

薛磊江

机构：

[1] 山东理工大学机械工程学院

来源：

北京邮电大学学报 | 2014年 / 04期

关键词：

快速独立分量分析; 故障诊断; 轴承故障; 遗传算法;

D O I：

10.13190/j.jbupt.2014.04.006

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对反向传播(BP)算法和基于负熵固定点迭代快速独立分量分析(FastICA)方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.

引用

页码：25 / 28

页数：4

共 6 条

[1] EMD遗传神经网络方法
许同乐
张新义
裴新才
贾庆轩
[J]. 北京邮电大学学报, 2012, (05) : 68 - 72
[2] 基于FastICA算法的盲源分离
王建雄
张立民
钟兆根
[J]. 计算机技术与发展, 2011, 21 (12) : 93 - 96
[3] 运用免疫遗传神经网络的汽轮机振动故障诊断
程力旻
谢志江
刘利云
孙红岩
[J]. 振动测试与诊断., 2010, 30 (06) : 675 - 678+712
[4] FastICA算法在机械振动信号分离中的应用
刘婷婷
任兴民
康召辉
[J]. 西安工业大学学报, 2008, (01) : 27 - 31
[5] 基于独立分量分析的机械故障信息提取
胥永刚
李强
王正英
王太勇
[J]. 天津大学学报, 2006, (09) : 1066 - 1071
[6] 一种有效的振动信号分离算法
赵谊虹
张洪渊
史习智
[J]. 噪声与振动控制, 2002, (02) : 13 - 16

← 1 →