《表1 邻域粗糙集约简前后决策》
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EEMD能量矩与邻域粗糙集的转子故障数据集分类方法》
实测得到的四种故障和正常状态下原始振动信号的时域波形如图2所示(由于篇幅有限仅列出不对中状态下的第一个通道的原始振动信号)。对图2信号进行特征提取分析,对每种状态的每一通道(共12通道)的振动信号进行EEMD处理,为选取含有故障信息的真实特征分量引入能量矩评价指标,本文以信号长度为2 048点的不对中故障数据为例进行评价方法说明。本实验中EEMD的辅助白噪声标准差设为原始标准差的0.2倍且M=100。以不对中的故障信号为例,其分解结果如图3所示。可以看出分解出的11个IMF分量和1个余项运用式(1)计算这12个分量的能量矩。由图4可以看出分解出的11个IMF分量和1个余项的能量各不相同,因此实验中为避免遗漏故障信息选取12个分量的能量矩建立其诊断模型。每种故障各采集50组样本,加上正常状态共250组生成决策表,将得到的能量矩特征设置为决策表中的条件属性,而决策属性值1~5分别对应着不对中、不平衡、碰磨、松动和正常五种状态,然后对决策表进行属性约简,如表1所示。在表1中,将a1~a144作为邻域粗糙集的条件属性;表中最后一列是各样本故障类型,将该列作为邻域粗糙集的决策属性。
图表编号 | XD00134617500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 孙泽金、赵荣珍 |
绘制单位 | 兰州理工大学机电工程学院、兰州理工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |