《表1 不同特征出现临界状态的时刻对比》
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T-SNE样本熵和TCN的滚动轴承状态退化趋势预测》
图4中,RMS特征在点1 382(即第6 910 min)开始出现显著的状态退化,而经过流形学习的T-SNERMS特征在点1 278(即第6 390 min)开始出现显著的状态退化,后者比前者早约8.6 h发现滚动轴承开始出现显著退化的临界状态。图5中,峭度因子特征在点1 281(即第6 410 min)开始出现显著的状态退化,而T-SNE峭度因子特征在点1 264(即第6 320 min)开始出现显著的状态退化,后者比前者早约1.5 h发现滚动轴承开始出现显著退化的临界状态。图6中,LMD分解PF1归一化能量熵特征在点1 083(即第5 420 min)开始出现显著的状态退化。图7中,样本熵特征在点1 290(即第6 450min)开始出现显著的状态退化,而T-SNE样本熵特征在点1 074(即第5 370 min)开始出现显著的状态退化,后者比前者早约18 h发现滚动轴承开始出现显著退化的临界状态,且比图6中所示特征早约50 min发现滚动轴承开始出现显著退化的临界状态。各特征开始出现显著状态退化的时刻对比如表1所示。
图表编号 | XD00113374700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 于重重、宁亚倩、秦勇、高柯柯 |
绘制单位 | 北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院、北京交通大学轨道交通控制与安全国家重点实验室、北京工商大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |