《表2 不同算法运行时间：融合CEEMD＿MPE和GK模糊聚类的故障识别方法》

  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

《融合CEEMD＿MPE和GK模糊聚类的故障识别方法》

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

通过图7与图9对比分析和表2可以得出结论：CEEMD多尺度排列熵组合较其他组合模型，其聚类结果的类内紧致性最好，聚类中心基本吻合。这是因为EMD处理后各模态之间会存在混叠现象，从而导致提取出的故障信息不准确，使得聚类效果不好；而EEMD虽然改进了EMD中存在的模态分量的混叠现象，但某种程度上仍存在，而且其计算度复杂、迭代次数多也都影响聚类的效果。