《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》

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

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。