《表1 齿轮不同工作状态下的特征向量》

  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

《EEMD与HMM在齿轮故障诊断方法中的研究》

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

以能量为元素，计算所有240组数据经过EEMD分解后产生的各阶IMF分量（在这里取前8个）的能量熵以及能量比，断齿齿轮的EEMD分解结果，如图4所示。用能量比构造特征向量，限于篇幅，齿轮每种状态只选择4组数据，如表1所示。选取齿轮每种工作状态对应的的前30组特征向量作为HMM的训练数据，每种工作状态对应的后30组特征向量进行测试，对齿轮的工作状态进行分类、识别和诊断。