《表3 未使用LDA和使用LDA的轴承故障诊断性能对比（实验）》

  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RLMD和Kmeans++的轴承故障诊断方法》

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

考虑到实验结果可能存在随机性，随机10次选择训练样本和测试样本，实验的平均识别率如表3所示。由表3可以看到，经过LDA处理的故障特征能够更容易被识别出来，同时可以减少故障诊断消耗的时间。为了进一步证明方法的有效性，将本文中提出的方法与其他轴承故障诊断模型进行对比。表4显示了不同故障诊断模型的诊断结果，对比可以发现，基于WT、SST和EEMD的方法不能准确地识别出KI01和KI07轴承，本文中提出的方法（基于RLMD）的轴承故障诊断准确率接近100%。另外，该方法在小样本的情况下能够准确地识别轴承故障类型、损害程度和故障产生方式。