论文部分内容阅读
针对数控机床发生故障时多故障源、多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题，提出一种融合核主元分析方法（kernel principal component analysis，KPCA）与粒子群算法优化RBF神经网络的数控机床故障诊断方法。首先，对所测信号利用核主元分析方法进行降噪、拨冗余，提取故障特征；其次，利用粒子群算法（Particle swarm optimization , PSO）优化RBF神经网络隐层节点中心和宽度；最后，将经KPCA提取的故障特征作为输入，建立PS0优化