《表3 部分故障特征数据:基于改进Elman神经网络的故障诊断模型研究》
综上,在同工况下对一组样本的每种状态轴承驱动端振动信号进行信号分解所得参数说明在下表2中列出。了解到轴承故障时的振动信号常集中在高频段且IMF过多会对诊断速度造成影响的原因。故,仅提取每个样本前5个IMF项进行Hilbert变换后得到的包络谱作为表征故障的特征量,每种状态的一组样本可以得到5 120个特征点,在表3中列出相对应的部分故障特征数据。
图表编号 | XD00197296700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.30 |
作者 | 章雅楠、孙建平、刘新月 |
绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |