《表2 不同故障类型时的IMF分量峭度值Tab.2 The IMF component kurtosis value of different fault excitation》

  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

《基于电流时频特征的不对中故障诊断研究》

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

采集每种故障类型下的电机电流信号各60组，选取45组作为训练样本，15组作为测试样本，因此共有训练样本225组，测试样本75组。由于EMD方法是一种主成分分析方法，主要的故障信息集中在前几个IMF分量中，因此选用前6个IMF分量。部分测试数据的IMF分量的能量百分比以及能量熵如表1所示。对信号的前6个IMF分量分别求其能量分布和峭度值，形成特征向量矩阵。由于篇幅关系，表1和表2中列出了部分取样信号的特征向量。将提取出来的特征向量输入到GA-SVM中进行训练。最后将测试信号同样计算出特征向量，输入已经训练好的GA-SVM中进行故障的类型识别。其分类结果如图5和图6所示，统计结果见表3。