《表3 数据集划分：基于深度学习的观光车轴承故障诊断》
提示：宽带有限、当前游客访问压缩模式
接着，将制作好的轴承灰度图像进行数据集划分，一部分作为训练集，剩下的作为测试集。数据集划分如表3所示。
| 图表编号 | XD00186227100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 武向鹏、张玉、栗庆杰、潘勇 |
| 绘制单位 | 河北省特种设备监督检验研究院邯郸分院、河北省特种设备监督检验研究院邯郸分院、河北省特种设备监督检验研究院邯郸分院、河北省特种设备监督检验研究院邯郸分院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 试验数据集：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法》2020.09.01
- 《表4 测试数据集：基于小波包近似熵和VPRS的轴承故障诊断》2020.11.01
- 《表3 学习数据集：基于小波包近似熵和VPRS的轴承故障诊断》2020.11.01
- 《表1 数据集信息：基于PCANet＿SVM的滚动轴承故障诊断》2020.11.01
- 《表1 数据集：基于同步提取变换和DRSN的滚动轴承故障诊断研究》2021.01.15
- 《表1 实验数据集：数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究》2020.12.05
- 《表1 数据集的划分：SSAE和IGWO-SVM的滚动轴承故障诊断》2020.04.01
- 《表1 数据集的详细信息：基于稠密卷积网络的轴承故障诊断》2020.08.18
- 《表1 实验用数据集：基于多尺度卷积策略CNN的滚动轴承故障诊断》2020.06.15
- 《表1 轴承数据集信息：基于EEMD和堆叠稀疏自编码的滚动轴承故障诊断方法》2020.04.18
- 《表1 轴承故障数据：深度学习融合模型在机械故障诊断中的应用》2019.12.01
- 《表1 DBN超参数设置：基于拓扑解析与深度学习融合的低压集抄系统故障诊断方法》2019.10.25
- 《表1 特征提取部分数据：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表6 变负载诊断结果：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表4 故障诊断测试集：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表1 数据集明细：基于深度神经网络的提升机轴承故障诊断研究》2019.08.15
- 《表1 数据集描述：基于EMD和SSAE的滚动轴承故障诊断方法》2019.04.01
- 《表2 训练集数据描述：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表1 实验数据集：基于改进型深度网络数据融合的滚动轴承故障识别》2019.02.01