《表3 不同特征诊断结果对比》
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
《基于多特征融合与XGBoost的风机轴承故障诊断》
通过特征选择确定了轴承故障诊断的12个特征分别为频谱平均值、峰值、功率谱方差、波形指标、功率谱重心重心、功率谱熵、标准差、平均值、脉冲指标、^E4、绝对平均值、偏度指标。其中包含7个时域特征、4个频域特征以及1个时频特征。表3为忽略特征提取所消耗的时间,单独使用时域特征、频域特征、时频特征以及多特征融合四种方法采用XGBoost算法对轴承进行故障诊断的结果对比,从表中可以看出,使用多特征融合的准确率最高为99.86%,在单个样本上的测试时间比单独使用时域特征长0.003 s,比单独使用频域或时频域长0.004 s,时间差较小,几乎可以忽略不计。
图表编号 | XD00146310200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.20 |
作者 | 吴定会、郑洋、韩欣宏 |
绘制单位 | 江南大学轻工过程先进控制教育部重点实验室、江南大学轻工过程先进控制教育部重点实验室、江南大学轻工过程先进控制教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |