HR30307DJ
HR30308DJ
HR30309DJ
HR30310DJ
HR30311DJ
HR30312DJ
HR30313DJ
HR30314DJ
HR30315DJ
HR30316DJ
HR30317DJ
HR30318DJ 进口轴承是各种旋转机械中应用最广泛的机械部件,它的运行状态是否正常往往直接影响到整台机器的性能,同时它也是易损坏的零件。进口轴承故障类型繁多,其诊断的方法也各不相同。神经网络理论在故障诊断领域显示出了极大的应用潜力。BP 神经网络在旋转机械故障诊断中应用较多,但BP 算法的思想以期望值与实际值之差的平方和为目标函数求极小,所以对初始值敏感,在学习过程中易陷入局部极小值,而训练样本数较大时收敛速度慢。(Probabilistic NeuralNetwork)简称(PNN)应用于进口轴承的状态监测与故障诊断,以克服BP 网络的缺点,取得了令人满意的结果。
概率神经网络( PNN) 是一种可用于模式分类的神经网络,其实质是基于贝叶斯最小风险淮则发展而来的一种并行算法,PNN 与BP 网络相比较,其主要优点为:
(1) 快速训练,其训练时间仅仅略大于读取数据的时间。
(2) 无论分类问题多么复杂,只要有足够多的训练数据,就可以保证获得贝叶斯准则下的最优解。
(3) 允许增加或减少训练数据而无需重新进行长时间的训练。
