《表2 轴承数据场景：基于LSTM的轴承故障诊断端到端方法》
提示：宽带有限、当前游客访问压缩模式
实验数据来自美国凯斯西储大学的轴承故障数据集[17]。在不同的电机负载场景下使用加速度计测量驱动端、扇叶端轴承的振动信号，如表2所示。
| 图表编号 | XD00128886700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.18 |
| 作者 | 庄雨璇、李奇、杨冰如、陈良、沈长青 |
| 绘制单位 | 苏州大学机电工程学院、苏州大学机电工程学院、苏州大学机电工程学院、苏州大学机电工程学院、苏州大学轨道交通学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法》2020.09.01
- 《表2 不同方法诊断结果：基于同步提取变换和DRSN的滚动轴承故障诊断研究》2021.01.15
- 《表2 轴箱轴承几何尺寸：基于形态分量分析的高速列车轴箱轴承故障诊断方法》2020.04.25
- 《表2 滚动轴承故障数据：数据驱动故障诊断方法泛化性能的经验性分析》2020.05.05
- 《表1 轴箱轴承参数：基于BI-LSTM的小样本滚动轴承故障诊断方法研究》2020.08.18
- 《表2 轴承参数：基于卷积神经网络的风电机组轴承机械故障智能诊断方法》2020.07.30
- 《表1 部分数据样本：基于小波包分解和K最近邻算法的轴承故障诊断方法》2020.02.01
- 《表1 轴承参数表：基于小波变换的轴承故障诊断及预测方法研究》2020.06.15
- 《表4 待测轴承规格：基于小波变换的轴承故障诊断及预测方法研究》2020.06.15
- 《表2 轴承固有频率：基于小波变换的轴承故障诊断及预测方法研究》2020.06.15
- 《表5 故障诊断准确率：基于小波分析与EMD的机车轴承故障诊断方法》2020.06.01
- 《表1 轴承数据集信息：基于EEMD和堆叠稀疏自编码的滚动轴承故障诊断方法》2020.04.18
- 《表2 三种方法诊断结果：基于堆栈稀疏自编码的滚动轴承故障诊断》2019.12.30
- 《表1 滚动轴承结构参数：基于ELMD和1.5维谱的滚动轴承早期故障诊断方法》2019.11.08
- 《表2 目标域数据集设置：基于TL-LSTM的轴承故障声发射信号识别研究》2019.05.01
- 《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 实验数据描述：基于多尺度排列熵与双核极限学习机的滚动轴承故障诊断方法》2019.05.01
- 《表1 数据集描述：基于EMD和SSAE的滚动轴承故障诊断方法》2019.04.01
- 《表2 诊断结果与比较：基于多特征提取的滚动轴承故障诊断方法》2018.10.01
- 《表4 不同诊断方法对比：基于改进GAN算法的电机轴承故障诊断方法》2019.12.01