《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》
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。
图表编号 | XD00159205700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 龙磊、何兵、刘方、刘永斌、李桂华、陆思良 |
绘制单位 | 安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、高节能电机及控制技术国家地方联合工程实验室、安徽大学电气工程与自动化学院、高节能电机及控制技术国家地方联合工程实验室、安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、高节能电机及控制技术国家地方联合工程实验室 |
更多格式 | 高清、无水印(增值服务) |