[发明专利]基于ART2神经网络分类的判定方法

摘要

本发明公开了一种基于ART2神经网络分类的判定方法，涉及振动故障诊断方法技术领域。所述方法首先采用小波软阈值将信号降噪，再将降噪后的信号通过相对小波包能量体现其更好的信号互异性，然后运用ART2神经网络进行初步分类，之后将K‑means算法引入ART2神经网络中，对原有的算法进行修正，并与ART2神经网络分类的结果进行对比。分析结果表明改进后的方法解决了只激活输出值最大的神经元和噪声干扰的问题，提高了故障分类的准确性。

主权项

1.一种基于ART2神经网络分类的判定方法，其特征在于包括如下步骤：将采集的振动信号通过小波软阈值进行降噪处理，再将降噪后的数据运用相对小波包能量进行转换，得到m个样本矢量集，样本矢量集为X＝{x(1),x(2),…,x(m)},样本矢量x(k)＝(x1(k),x2(k),…,xn(k)),k∈m,n为样本特征值的数量；设定警戒值ρ的取值范围，运用ART2神经网络进行初步分类，确定出每个警戒值ρ所对应的类别个数l；将所得的类别个数l作为初始条件依次代入K‑means算法中，计算得到K‑means算法中每个l所对应的聚类的类内距离准则函数JW；取最小的JW所对应的ρ当作最终选取的警戒值，代入ART2神经网络中进行分类，其分类结果即为最终分类结果。