基于PCA-RBF神经网络的WSN数据融合轴承故障诊断

徐桂云^1,2，蒋恒深¹，李辉¹，阮殿旭¹

1. 中国矿业大学机电工程学院2. 西安电子科技大学综合业务网理论国家重点实验室

摘 要：为了减少基于无线传感器网络(WSN)的轴承故障诊断系统数据传输总量和网络负载同时提高故障诊断准确性,提出一种采用主元分析(PCA)与径向基(RBF)神经网络结合轴承数据的融合与故障诊断算法.首先建立基于LEACH协议的3层融合模型,然后簇首节点采用PCA对大量多传感器数据降维,最后Sink节点采用RBF对数据进行决策级融合.仿真结果表明:该算法3个成员节点各上传10个数据包,簇头节点融合后剩余4个,融合率为86.7%,每组故障识别准确率大于85%.该算法具有很好的识别率和高压缩率,能够很好应用于煤矿设备故障监测.

关键词：无线传感器网络;机械故障诊断;数据融合;主元分析;RBF神经网络;