《表4 不同工况下不同方法的滚动轴承故障严重度识别准确率》

  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LMD和GNN-Adaboost的滚动轴承故障严重程度识别》

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

以表3所示的滚动轴承特征参数组作为GNN-Adaboost算法的输入，以表1所示的数据标签作为GNN-Adaboost算法的分类依据。本文所有算法和程序均用Matlab R2018a编程软件实现，运行环境为Windows10专业版，Intel Core i5-8400 [email protected]，16GB RAM。为了保证本文所提出的方法的合理性，从A、B、C三个数据集中，分别随机选取各个载荷条件和损伤程度条件下的样本中的70%作为训练集，其余30%作为测试集。为了验证本文所提出的方法的有效性，将本文所提方法的故障严重度识别准确率与其他方法的识别准确率进行对比，对比结果如表4所示，其中SVM表示支持向量机。