《表3 COPS-ELM和SVM算法对行星齿轮单组信号识别》

  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

《基于CEEMD与CPSO-ELM的行星齿轮传动箱故障研究》

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

行星齿轮箱磨损故障类型识别采用一组早期故障信号进行实验，将分解重组后的特征向量输入到CPSO-ELM算法和SVM分类器算法进行故障判别。因此，本次实验分为三组CPSO-ELM和SVM分类器，其中标定的CPSO-ELM1和SVM1由行星齿轮正常状态信号训练完成；CPSO-ELM2和SVM2由行星齿轮早期故障信号训练完成；CPSO-ELM3和SVM3由行星齿轮晚期故障信号训练完成。然后，利用任意未知状态的行星齿轮箱进行信号采集、预处理、分解重构，分别输入CPSO-ELMi和SVMi（其中i=1，2，3）三种类型分类器中进行故障判别，其判别结果如表3所示。（定义+1为齿轮出现磨损故障，0为正常状态，-1为其他故障，-为无法识别）。