《表2 基于SVM模型的轴承品质评估结果》

  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

《基于变分模态分解和支持向量机的滚动轴承品质评估》

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

两种方法分析结果如表2所示，由表可知，对于6201型轴承，振动信号时域指标和VMD–PE的SVM模型可以得到比时域指标和PE的SVM模型更好的识别率，识别率由83.33%提高到93.33%，识别结果如图6所示，其中优等品中1个样本识别错误，合格品中有3个样本识别错误，一等品全部识别正确.VMD算法将一个信号分为4个模态分量，将信号的细节信息进行分离，经计算后的特征信息进一步增加和强化，SVM算法会依据每一个特征的重要性给予相应的权重进行模型的构建，使其识别结果更加准确、可靠.因此，基于时域特征结合VMD–PE的滚动轴承品质评估方法可以较好地实现其品质等级的实时在线评估.