《表3 B1-C判断矩阵:基于EMD-SVD和CNN的旋转机械故障诊断》
为展示基于EMD-SVD和CNN方法的故障诊断优越性,设置2组对比实验:(1)将原始轴承时域信号直接输入到经典CNN模型中;(2)人工提取15项特征输入到经典CNN模型中,人工特征的选择为均值、均方根值、方根幅值、绝对平均值、歪度、峭度、方差、最大值、最小值及峰值这10个有量纲指标,波形指标、峰值指标、脉冲指标、裕度指标及峭度指标这5个无量纲指标,共15个人工特征类型[19],最终3个模型实验诊断结果如表3所示。
图表编号 | XD00214822000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 张立智、徐卫晓、井陆阳、谭继文 |
绘制单位 | 青岛理工大学机械与汽车工程学院、青岛理工大学机械与汽车工程学院、青岛理工大学机械与汽车工程学院、青岛理工大学机械与汽车工程学院 |
更多格式 | 高清、无水印(增值服务) |