《表4 试验结果：基于VMD与GWO优化SVM的轴承故障诊断》
提示：宽带有限、当前游客访问压缩模式
为了证明该方法的优越性，与其他方法进行对比，结果如表4所示。
| 图表编号 | XD00202831000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.01 |
| 作者 | 郑佳昕、杨灿、郎永存、李积元 |
| 绘制单位 | 青海大学机械工程学院、青海省生产力促进中心有限公司、青海大学机械工程学院、青海大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 VMD最优参数表：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表5 数据集测试结果：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表2 试验数据集：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表1 算法步骤：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表1 数据集信息：基于PCANet＿SVM的滚动轴承故障诊断》2020.11.01
- 《表3 耗时和粒子数对比：基于VMD与GWO优化SVM的轴承故障诊断》2021.01.01
- 《表1 主要变量定义：基于VMD与GWO优化SVM的轴承故障诊断》2021.01.01
- 《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3 细节系数方和：基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》2020.05.01
- 《表2 近似系数方和：基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》2020.05.01
- 《表5 预测错误率：基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》2020.05.01
- 《表2 故障诊断识别结果：基于VMD-PE和M-RVM的滚动轴承故障诊断》2020.03.01
- 《表1 样本特征序列：基于VMD-PE和M-RVM的滚动轴承故障诊断》2020.03.01
- 《表3 总体分类精度：基于VMD和MRVM变负荷工况下的滚动轴承故障诊断》2019.12.01
- 《表2 时域指标参数值：基于PCA-SVM的轴承故障诊断研究》2019.09.05
- 《表3 故障诊断结果：基于PCA-SVM的轴承故障诊断研究》2019.09.05
- 《表2 测试结果：基于改进果蝇优化算法优化SVM的模拟电路故障诊断》2019.05.01
- 《表6 故障诊断结果：基于改进果蝇优化算法优化SVM的模拟电路故障诊断》2019.05.01
- 《表4 测试结果：基于改进果蝇优化算法优化SVM的模拟电路故障诊断》2019.05.01