论文部分内容阅读
考虑到RBF神经网络隐层高斯径向基函数的参数较难确定，电机故障的多样性和复杂性，传感器获得信息的不确定性，以及高斯径向基函数与正态云具有相似之处，将云模型和RBF神经网络相结合用于诊断电机故障．通过高维云变换确定RBF隐含层神经元数，优化RBF神经网络结构．最后提取信号的奇异值熵和样本熵作为特征参数，输入改进的RBF神经网络，进行实验仿真．结果表明，新模型能较好地实现对电机轴承的故障诊断．