《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》
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和堆叠稀疏自编码的滚动轴承故障诊断方法》
选取无负载、采样频率为10 240 Hz、转速为900r/min下的轴承时域振动信号,在同一故障类型下,以2 048个数据点作为一个样本,每个故障共采集100个样本。增强机器学习模型泛化能力的最好办法是使用更多的训练样本[12]。使用更多的训练样本,可以达到增强深度神经网络泛化性能的目的。因此,本文对于每种故障随机抽取90个样本作为训练,剩余的10个样本作为测试,共有540个训练样本,60个测试样本。轴承数据集详细信息如表1所示。图6为6种轴承运行状态的时域振动信号。图中从上到下依次为正常轴承、内圈轻度故障(故障深度为0.2 mm)、内圈重度故障(故障深度为0.4 mm)、外圈轻度故障(故障深度为0.2 mm)、外圈重度故障(故障深度为0.3 mm)、滚动体故障(故障深度为0.2mm)信号时域波形图。
图表编号 | XD00143052600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.18 |
作者 | 罗金、童靳于、郑近德、潘海洋、潘紫微 |
绘制单位 | 安徽工业大学机械工程学院、安徽工业大学机械工程学院、安徽工业大学机械工程学院、安徽工业大学机械工程学院、安徽工业大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |