《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》

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

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。