《表4 测试数据集：基于小波包近似熵和VPRS的轴承故障诊断》

  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

《基于小波包近似熵和VPRS的轴承故障诊断》

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

本文所采用的实验数据来自文献[6]，共有56个文件，包括轴承正常文件11个，外圈完全破损文件9个、保持架损坏文件12个、保持架严重损坏文件12个、轴承磨损文件12个，并且每个文件中都有2 048个测试数据，每个文件中的数据都可以构成一个样本。本文实验从中选取了32个样本，包括轴承正常样本11个、外圈完全破损故障样本9个、保持架损坏样本12个。对每个样本信号都进行三层小波包分解，然后求8个频带范围内信号的近似熵，提取特征向量，组成原始故障诊断数据。对所获得的32组样本数据采用训练—测试的方法，分为学习数据集和测试数据集两部分（按80%、20%分配），获得的原始数据集如表3、表4所示。选择条件属性集C={c30，c31，c32，c33，c34，c35，c36，c37}，决策属性集D={FN}。FN=1表示轴承正常，FN=2表示外圈故障，FN=3表示保持架损坏。