《表1 各分量峭度：自适应调频模式分解在轴承故障诊断中的应用》
提示：宽带有限、当前游客访问压缩模式
计算各分量的峭度，结果见表1。根据峭度准则，信号的峭度越大，其中包含的冲击成分越多，故障特征越明显，因此选取峭度最大的分量2用以计算包络谱，结果如图4所示。
| 图表编号 | XD00123021900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 黄绍伟 |
| 绘制单位 | 福建华电可门发电有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 降噪效果对比分析：相关峭度联合降噪在滚动轴承故障特征增强中的应用》2020.10.25
- 《表3 诊断模型分类结果：小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用》2021.02.25
- 《表1 试验采样参数设置：小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用》2021.02.25
- 《表1 IMF分量峭度值：基于TVF-EMD和TEO的滚动轴承微弱故障特征提取》2021.03.15
- 《表2 G’方差分析：改进集成深层自编码器在轴承故障诊断中的应用》2021.01.01
- 《表1 项目投入：自适应阈值在机电作动系统故障检测中的应用》2020.12.08
- 《表1 7种轴承工况：压缩感知和改进深层小波网络在轴承故障诊断中的应用》2020.08.15
- 《表2 实验数据：协同训练算法在滚动轴承故障诊断中的应用》2020.06.15
- 《表1 特征表：协同训练算法在滚动轴承故障诊断中的应用》2020.06.15
- 《表2 实验轴承参数：改进小波阈值去噪在轴承故障诊断中的应用》2020.08.28
- 《表1 轴承参数：DTCWPT-TV在高速列车齿轮箱轴承故障诊断中的应用》2020.09.08
- 《表1 轴承故障类型：具有多核结构的稀疏化DNN在轴承诊断中的应用》2020.02.08
- 《表1 滚动轴承结构参数：参数自适应TVF-EMD的滚动轴承故障诊断》2020.04.08
- 《表1 轴承故障数据：深度学习融合模型在机械故障诊断中的应用》2019.12.01
- 《表1 各分量的峭度值：基于FSWT和TT变换的滚动轴承故障诊断方法》2019.07.31
- 《表1 中介轴承几何参数：基于自适应双稳态随机共振的中介轴承故障诊断方法》2019.10.01
- 《表2 试验效果比较：基于GSO算法的自适应随机共振轴承故障诊断》2019.06.18
- 《表1 仿真效果比较：基于GSO算法的自适应随机共振轴承故障诊断》2019.06.18
- 《表3 故障诊断结果：BP神经网络技术在滚动轴承故障诊断中的应用研究》2019.01.01
- 《表1 轴承的测试数据：BP神经网络技术在滚动轴承故障诊断中的应用研究》2019.01.01