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