基于概率神经网络和KS检验的机械状态监测

摘要

机械状态监测中经常需要用非线性分类器对机械状态进行分类.概率神经网络是一种典型的非线性分类器.它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点.但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷.当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报.因此,需要对神经网络分类器的分类结果进行检验.KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报.