《表1 声音信号特征参数：声信号的MFDFA和SFLA-SVM算法的往复泵故障诊断》

  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

《声信号的MFDFA和SFLA-SVM算法的往复泵故障诊断》

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

因为声信号的动力学机制不同所以得到多重分型谱也不同。根据对图9的多重分形谱分析，选取7个参数（α0，Δα，αmin，αmax，f（αmax)，f（αmin），Δf）为声信号的特征值。在小范围内，分形体生长概率的高低是通过奇异指数α来体现的。奇异谱f（α）是奇异指数α的分维分布函数，反应了奇异指数α的分布情况从，其中7个参数可以直接或者间接的从多重分型谱图中所得。α0为多重分形谱最大值时对应的奇异标度值，多重分形谱宽Δα=αmax-αmin反应了概率分布的不均匀程度，分分布均匀程度与Δα成反比，分形强度与成正比。左端点αmax和右端点αmin分别对应最大和最小奇异标度值。fmax和fmin代表多重分型谱分形维的最大和最小值，Δf=f（αmax)-f（αmin）反应了声音信号的大小峰值所占的比例，从图9中可直接观察到，三种工况的多重分形谱差别很大，不同信号下的的多重分形谱参数都不一样，因此选择上述7种多重分形谱参数作为声信号故障特征量。部分特征参数，如表1所示。从表1可以看出，阀盘和弹簧故障的α0和αmax值和正常工况相比有一定程度的增加，三种工况下的弹簧故障的αmin、f（αmin）、f（αmax）、Δf最小，阀盘故障的Δα最小，且提取的特征值数据差异明显，可以给出较好的定量分析。说明利用多重分形谱提取的特征值可以较好地反映故障信号的特征，可以用来进行往复泵故障诊断[10]。