《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》
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。
图表编号 | XD00165420600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 高纯生、周小云、黄祥海 |
绘制单位 | 中铝矿业有限公司、江西理工大学机电工程学院、江西理工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |