改进多线性主成分分析网络及其在滚动轴承故障诊断中的应用

摘要

针对实测滚动轴承振动信号通常存在噪声干扰,具有非线性和非平稳特性,而多线性主成分分析网络(MPCAnet)在处理复杂非平稳数据时存在非线性拟合能力差、特征聚类性一般的问题,通过引入核变换,提出了一种改进的多线性主成分分析网络,增大了训练样本间的差异度,进一步提高了MPCAnet在处理非线性数据时的泛化能力和分类精度。通过不同滚动轴承故障诊断数据集对该方法进行验证,结果表明该方法具有较高的鲁棒性,能够准确识别滚动轴承的各类故障。