FICA-IPNN集合型滚动轴承故障诊断方法

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,训练概率神经网络参数。实验表明,该集合型故障诊断方法较传统概率神经网络有更高的分类准确性和适应性。