《表1 本文方法测试分类精度》

  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

《基于改进多尺度排列熵的列车轴箱轴承诊断方法研究》

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

%

最后，将正常状态和其他3种故障状态轴承分别取30个样本，合计120个样本。对每个样本提取MMPE熵值，建立原始特征集。将所提取的特征集使用马氏距离算法进行排序，最能表征不同轴承故障状态的特征向量排在前面，评估后最前面的5组熵值被用来重新组建智能故障诊断的新向量，其中，任意15个样本用来训练分类模型，剩余15个样本进行识别测试。经过遗传算法优化的SVM分类器（核函数为径向基函数）进行训练、测试，最终得到的故障分类结果见表1。