-
题名FastICA算法在机械振动信号分离中的应用
被引量：13
- 1
-
-
作者
刘婷婷
任兴民
康召辉
-
机构
西北工业大学工程振动研究所
-
出处
《西安工业大学学报》
CAS
2008年第1期27-31,共5页
-
文摘
机械振动状态监测时,传感器采集到的机械振动信号往往是被监测机械的振动信号与邻近机械振动信号以及外界噪声信号的混合信号,因此从测得的混合信号中分离出监测机械的振动信号是十分必要的.基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的机械振动信号进行分离,通过对仿真信号的分离,验证了该方法对机械振动信号处理的有效性,为机械振动状态检测以及机械故障诊断提供了一种新的选择.
-
关键词
盲源分离
独立分量分析
机械振动信号
快速独立分量分析
-
Keywords
blind source separation （BSS）
independent component analysis （ICA）
machine vibration signals
fastICA
-
分类号
TB533.1
[理学—声学]
-
-
题名独立分量分析和概率神经网络在机械故障诊断中的应用
被引量：5
- 2
-
-
作者
郭峰
任兴民
刘婷婷
-
机构
西北工业大学工程振动研究所
-
出处
《西安工业大学学报》
CAS
2009年第5期490-494,共5页
-
文摘
针对旋转机械进行故障诊断时,由于邻近机械的干扰,往往无法得到真实的的故障信息以及诊断速度慢的问题,本文提出了一种基于独立分量分析(Independent Component A-nalysis,ICA)和概率神经网络(Probabilistic Neural Network,PNN))的故障诊断方法,采用快速独立分量分析(FastICA)进行特征提取,PNN实现状态识别.通过仿真与实验加以证明,并与经典的前向多层神经网络(BP网络)的故障分类进行对比,结果表明PNN的准确率可以达到100%,而BP网络只有95%,同时PNN所需的时间只有BP的1/3.
-
关键词
故障诊断
快速独立分量分析(FastICA)
概率神经网络(PNN)
BP神经网络
-
Keywords
fault diagnosis
fast Independent component analysis（FastICA）
probabilistic neural network（PNN）
back-propagation neural network（BP network）
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TH17
[机械工程—机械制造及自动化]
-
