文献类型：期刊文章

作　　者：张习习[1] 顾幸生[1]

ZHANG Xixi;GU Xingsheng(Key Laboratory of Advanced Control and Optimization for Chemical Processes,Ministry of Education,East China University of Science and Technology,Shanghai 200237,China)

机构地区：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室

出　　处：《华东理工大学学报（自然科学版）》

基　　金：国家自然科学基金(61573144)

年　　份：2020

卷　　号：46

期　　号：1

起止页码：68-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：电机作为一种重要的驱动设备,在工业生产中得到了广泛的应用。滚动轴承是电机最重要的部件之一,一旦发生故障,将严重影响生产过程。因此,对电机轴承故障进行诊断,对保证安全、正常生产具有重要意义。本文采用概率神经网络(PNN)实现了电机轴承的故障分类,针对作为概率神经网络最重要参数之一的平滑因子σ需要通过经验或不断尝试的方式人为设定的问题,提出了一种基于正弦余弦优化算法(SCA)的自适应概率神经网络(SPNN);针对同一个训练集和测试集,PNN会得到固定的识别结果,从而在一定程度上降低PNN泛化能力的问题,建立了利用SPNN作为弱分类器的基于AdaBoost的集成学习模型(ASPNN),采用输出概率线性组合的方式得到强分类器的输出结果;将ASPNN模型应用于电机轴承故障诊断,仿真结果表明,与PNN、SPNN和MSVM相比,本文方法在电机轴承故障诊断方面具有更好的性能。

关 键 词：故障诊断 概率神经网络 正弦余弦算法  平滑因子  集成学习  

分 类 号：TP183]