基于分布函数概率神经网络的故障诊断

2012年03月07日10:24:39 本网站我要评论(2)字号：T | T | T

张正道，张卫华
江南大学通信与控制工程学院，江苏无锡

摘　　　要：提出一种α稳定分布基函数概率神经网络（ＡｌｐｈａＰＮＮ）结构，该网络隐层的神经元激活函数采用了对称α稳定分布的概率密度函数，和常规的高斯分布函数相比，其具有更好的可变性和延展性，从而使隐层的神经元在函数近似上具有更高的适应性，同时也克服了概率神经网络对输入数据的独立同分布假设，提高了神经网络对局部脉冲突变的近似能力。在此基础之上，提出了一种新的根据系统输入输出数据实现的故障诊断算法，并将其应用到轴承的故障诊断中。仿真结果表明，在有色噪声的背景下，该算法仍然能够实现较好的识别效果，故障的误报率低于概率神经网络方法。

关　键　词：α稳定分布；基函数；概率神经网络；故障诊断；有色噪声

１　引　言
概率神经网络［１］（ＰｒｏｂａｂｉｌｉｓｔｉｃＮｅｕｒａｌＮｅｔｗｏｒｋ，ＰＮＮ）是在径向基函数（ＲＢＦ）神经网络的基础上发展而来的一种前馈型神经网络，较早是由ＤＦＳｐｅｃｈｔ博士在１９８９年提出。其实质是基于贝叶斯较小风险准则的一种并行算法，特别适合于模式识别及分类。近年来，ＰＮＮ以其良好的数据分类性能，被广泛地应用于故障诊断领域，并在大量的实际工程中获得了成功应用［５８］。目前对ＰＮＮ的研究主要集中在算法学习理论及改进模型上，并获得了丰硕的成果［９１１］。然而，ＰＮＮ的隐层单元采用高斯函数作为激活函数，这就默认了一个假设，即：训练数据的独立同分布假设。但实际上训练数据相互之间往往是相关的，这就极大地限制了ＰＮＮ的应用。为此，本文提出了一种基于对称α稳定分布基函数概率神经网络的故障诊断算法，回避了对数据独立同分布的要求，并由此提出新的故障诊断方法。较后，以风扇端子轴承的故障诊断为例验证了所提算法的有效性。

登录网站后可下载文件

基于分布函数概率神经网络的故障诊断

相关阅读: