论文部分内容阅读
针对神经网络结构复杂和训练时间长的问题，提出了一种基于核主元分析的反向传播神经网络齿轮泵故障诊断方法。使用经验模态分解对采集的齿轮泵振动信号进行特征分解形成原始特征参数集，利用核主元分析法提取信号的非线性特征，降低样本维数，并将结果作为神经网络的输入训练齿轮泵故障诊断模型，对测试样本进行诊断。实验结果表明，该方法对齿轮泵样本能够有效聚类，降低网络复杂度，减少网络训练时间和次数，并提高故障诊断的精度。