KPCA-GRNN网络在数控机床复合故障诊断中的应用  

Application of KPCA-GRNN Network in Complex Fault of CNC Machine

作　　者：李善[1] 谭继文[1] 俞昆 文妍[1] 

机构地区：[1]青岛理工大学,山东青岛266520

出　　处：《煤矿机械》2016年第3期152-154,共3页Coal Mine Machinery

基　　金：国家自然科学基金项目(51075220);山东省高等学校科技计划项目(J13LB11);高等学校博士学科点专项科研基金(20123721110001);青岛市科技计划基础研究项目(12-1-4-4-(3)-JCH)

摘　　要：提出了一种将核主元分析法(KPCA)与GRNN网络相结合的数控机床复合故障诊断方法。原始复合信号经过EMD分解,将得到的IMF与其他时频域特征值组成原始信号特征集;运用KPCA方法对原始特征集进行降维处理,构造核主元特征集;将筛选后的特征向量作为GRNN网络的输入,实现了数控机床不同复合故障的模式识别,并与其他3种网络对比,验证了该方法的优越性。Propose a compound fault diagnosis method of combination of kernel principal component analysis and GRNN network for CNC machine. The original composite signal is decomposed by EMD. The IMF and other time domain characteristic values are obtained from the original signal feature set. The KPCA is used to reduce the dimension of the original feature set. Then construct kernel principal component feature set. Tthe feature vector is used as the input of GRNN network. Pattern recognition of different compound faults of CNC machine is realized. Then compared with the other three kinds of networks, the superiority of the proposed method is verified.

关 键 词：核主元分析法(KPCA) GRNN神经网络 复合故障 故障诊断 

分 类 号：TG659[金属学及工艺—金属切削加工及机床]