论文部分内容阅读
滚动轴承是机械系统中常用的重要部件,其运行状态直接影响整个系统的性能,一旦发生故障或者失效,将引发设备产生灾难性后果。因此,对轴承故障进行诊断具有重要意义。本文以滚动轴承为对象,在总结和吸取前人研究成果的基础上,提出将集成学习与软竞争Yu范数ART神经网络相结合实现滚动轴承的故障诊断。首先,针对Yu范数ART自身硬竞争机制缺陷造成的故障类边界处的数据样本易被误分,从而导致分类精度降低,提出一种基于软竞争Yu范数ART的滚动轴承故障诊断方法。将基于FCL的软竞争方法,引入基于Yu范数的ART模型的竞争