论文部分内容阅读
为了提高滚动轴承故障诊断的准确性和适应性，提出快速独立成分分析（fast independent component analysis, FICA）和增量概率神经网络（incremental probabilistic neural network, IPNN）相结合的FICA—IPNN集合型滚动轴承故障诊断方法。首先，针对滚动轴承的故障振动信号非高斯特点，利用固定点迭代的FICA算法提取出滚动轴承振动信号特征，其次，为了提高概率神经网络分类的适应性，采用在线增量方法，优化概率神经网络结构，训练概率神经网