《表2 不同分类器负荷识别结果统计》

  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CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别》

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

为了更准确地区分球磨机工况的3种负荷状态，从球磨机3种负荷筒体振动信号中随机各选取50组样本，其中25组作为训练样本，25组作为测试样本。对这些样本进行CEEMDAN分解，用相关系数法筛选出含有负荷状态信息的敏模态分量信号，并进行重构，将重构信号的MFE经归一化处理后作为球磨机负荷状态识别模型ISRNN的输入，球磨机负荷状态为输出。其中欠负荷、正常负荷、过负荷分别用工况序号1，2，3表示。为凸显ISRNN分类识别的优越性，先后采用SVM、BP神经网络、Bayes判别法3种聚类方法对上述样本展开训练和测试，并将识别结果与ISRNN识别结果进行对比，得到各种分类方法识别效果，如表2和图8所示。