《表3 时域特征向量:基于多域特征提取与改进PSO-PNN的道岔故障诊断》

《表3 时域特征向量:基于多域特征提取与改进PSO-PNN的道岔故障诊断》   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
《基于多域特征提取与改进PSO-PNN的道岔故障诊断》


  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

每条功率曲线每一段的特征统计量构成16维向量,则每条功率曲线(包含5段)的特征量组成80维向量。为降低数据量和减少冗余信息,采用主成分分析法对向量降维,主成分分析法相关理论推导参见文献[6]。当累计贡献率达到75%,包含2个主成分{M1,M2}。M1和D段调和平均数相关性最大且M2和C段偏度相关性最大。故时域的特征向量为[Dhm Csk]T(如表3所示)。