《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》

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

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。