《表2 部分数据样本：风电机组故障诊断中的粒子群小波神经网络》
提示：宽带有限、当前游客访问压缩模式
将经过处理后的震动信号转换为有效值、标准差等八个指标，通过训练样本获得参数，再由测试样本进行检验，部分数据样本见表2。
| 图表编号 | XD00162658100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 安永灿、刘铭 |
| 绘制单位 | 长春工业大学数学与统计学院、长春工业大学数学与统计学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据样本分别：改进的CPN神经网络算法在流水线故障诊断中的应用》2020.12.25
- 《表2 车辆参数：小波神经网络对风力发电机组功率变流器的故障诊断》2021.01.01
- 《表1 7种轴承工况：压缩感知和改进深层小波网络在轴承故障诊断中的应用》2020.08.15
- 《表4 收敛速度与精度：风电机组故障诊断中的粒子群小波神经网络》2020.02.01
- 《表1 参数设定：风电机组故障诊断中的粒子群小波神经网络》2020.02.01
- 《表2 轴承参数：基于卷积神经网络的风电机组轴承机械故障智能诊断方法》2020.07.30
- 《表1 部分数据样本：基于小波包分解和K最近邻算法的轴承故障诊断方法》2020.02.01
- 《表3 部分诊断结果对比：基于精英混沌蜂群算法优化小波神经网络的变压器故障诊断》2020.08.16
- 《表4 故障2诊断结果：基于改进深度森林算法的风电机组故障诊断技术研究》2019.11.20
- 《表1 特征提取部分数据：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表3 测试样本统计结果：基于风电故障机组筛选的齿轮箱故障诊断研究》2019.09.15
- 《表2 训练样本统计结果：基于风电故障机组筛选的齿轮箱故障诊断研究》2019.09.15
- 《表5 样本的网络输出：基于小波神经网络的旋耕装置机械故障诊断研究》2019.09.01
- 《表5 样本的网络输出：基于小波神经网络的旋耕装置机械故障诊断研究》2019.09.01
- 《表4 样本的网络输入：基于小波神经网络的旋耕装置机械故障诊断研究》2019.09.01
- 《表2 测试样本数据表：基于粒子群神经网络的汽车故障诊断技术研究》2019.01.10
- 《表1 特征数据表：基于粒子群神经网络的汽车故障诊断技术研究》2019.01.10
- 《表2 分类器的比较结果：应用深度自编码网络和XGBoost的风电机组发电机故障诊断》2019.01.10
- 《表1 混淆矩阵：应用深度自编码网络和XGBoost的风电机组发电机故障诊断》2019.01.10
- 《表1 训练样本数据：模拟退火BP神经网络在矿用通风机故障诊断中的应用》2018.09.30