基于改进邻域粗糙集与S＿Kohonen神经网络的滚动轴承故障诊断研究

摘要：

针对现有滚动轴承故障诊断技术中，存在输入属性冗余过多、故障识别率不高等缺点，提出了基于改进邻域粗糙集与S＿Kohonen神经网络的故障诊断方法。由于传感器采集的故障信息大多为数值型数据且数据维数较大，文中引入邻域粗糙集理论并对基于邻域粗糙集的经典前向贪心算法进行改进，利用改进算法约简故障数据，大大减小了算法复杂度；对Kohonen神经网络进行改进，在其原有结构基础上添加输出层构成S＿Kohonen神经网络，使其输出类别满足给定分类要求；分别采用前向贪心算法、改进算法约简故障数据，将约简前、后的故障数据分别输入S＿Kohonen神经网络、 BP神经网络识别滚动轴承故障状态，试验结果证明邻域粗糙集可有效消除属性之间的重复信息，改进算法提取故障属性信息更能反映故障状态的本质， S＿Kohonen神经网络具有良好的故障识别能力，两者配合使用，改进邻域粗糙集———S＿Kohonen神经网络模型具有很好的故障诊断能力。

关键词：邻域粗糙集、属性约简、S_Kohonen神经网络、滚动轴承、故障诊断

所属期刊栏目：44

分类号：TH17

资助基金：国家自然科学基金资助项目51075220；青岛市科技计划基础研究项目12-1-4-4-3-JCH；高等学校博士学科点专项科研基金项目20123721110001

在线出版日期：2017-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：156-159,155