《表1 原始特征提取：基于KJADE的列车轴承轨边声学诊断方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于KJADE的列车轴承轨边声学诊断方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对正常信号、内圈故障信号、外圈故障信号和滚子故障信号分别进行多普勒校正，并将每种校正后的信号截取成60组，每组信号含有1 024个点。按表1所示，对每组信号提取16个原始统计特征，得到输入空间的轴承4种状态的样本向量。此类特征具有较高的冗余性且分类效果不好，会影响列车轴承故障识别的准确率。因此，采用KJADE算法对这些原始特征进行融合，提取出对故障类别敏感的特征。