《表3 故障类型划分：基于CDAE与CNN的滚动轴承故障诊断方法》
提示：宽带有限、当前游客访问压缩模式
本文选取西安交通大学滚动轴承数据中转速为2 250r/min的数据集进行实验，其实验平台如图2所示，其中故障类型的划分如表3所示。
| 图表编号 | XD00200744600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 张飞、吴松林 |
| 绘制单位 | 西京学院、西京学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 故障类别表：基于CNN特征提取及模型融合的飞机液压系统故障诊断》2020.10.20
- 《表1 卷积模型参数表：基于全矢-CNN的轴承故障诊断研究》2020.09.10
- 《表2 模型训练参数：基于全矢-CNN的轴承故障诊断研究》2020.09.10
- 《表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法》2020.09.01
- 《表6 诊断准确率：基于EEMD-CNN的滚动轴承故障诊断方法》2020.10.15
- 《表5 故障诊断结果3：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表4 故障诊断结果2：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表3 故障诊断结果1：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表2 故障信号数据：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表4 软件配置环境参数：基于EMD二值化图像和CNN的滚动轴承故障诊断》2021.02.01
- 《表3 硬件配置环境参数：基于EMD二值化图像和CNN的滚动轴承故障诊断》2021.02.01
- 《表3 数据集划分：基于深度学习的观光车轴承故障诊断》2020.11.25
- 《表4 拉伸性能试验结果：基于VMD与CNN的滚动轴承故障诊断方法》2020.12.01
- 《表1 部分专有名词翻译：基于VMD与CNN的滚动轴承故障诊断方法》2020.12.01
- 《表1 故障类型编码结果：基于CNN的电力变压器故障诊断方法》2020.07.05
- 《表4 故障诊断算法对比：基于多特征融合与XGBoost的风机轴承故障诊断》2020.07.20
- 《表1 实验用数据集：基于多尺度卷积策略CNN的滚动轴承故障诊断》2020.06.15
- 《表1 CWRU轴承数据集故障类型划分》2020.02.10
- 《表1 4种故障测试结果：基于MFCC与CDET的滚动轴承故障诊断方法研究》2019.09.20
- 《表2 10次实验结果：基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断》2019.06.01