《表2 实验数据描述：基于多尺度排列熵与双核极限学习机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

本系列图表出处文件名：随高清版一同展现

《基于多尺度排列熵与双核极限学习机的滚动轴承故障诊断方法》

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

实验中，分别选取轴承的正常状态以及外圈、滚动体、内圈每种故障类型的早晚期故障共7种状态作为诊断样本，每类样本分别从3个缺陷类型相同的轴承上获取8组实验数据，共计24组加速度振动信号，每组实验数据包含18 000个数据点。对上述采集到的实验数据通过多尺度排列熵算法进行特征提取，将每组振动信号压缩为由5个排列熵构成的特征向量，实验数据量、特征集数量及标记情况如表2所示。