《表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法》

  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

《一种基于深度神经网络的滚动轴承故障诊断方法》

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

在CWRU数据集中，轴承的故障类型分为滚珠故障、内圈故障与外圈故障三种，故障直径分为0.007，0.014，0.021，0.028 inch四种尺寸。由于CWRU数据集中外圈故障数据中不包含0.028故障尺寸，因此实验对滚珠故障、内圈故障与外圈故障三种故障类型，都选取了0.014，0.021，0.028 inch三种故障直接对应的故障数据作为实验数据。包含正常轴承数据在内，实验所构建的数据集一共包含十个类别，具体如表1所示。此外，CWRU数据集包含转速分别在1797，1772，1750，1730 rpm状态下采集的四种数据，本实验选取实验数据均为在转速为1772 rpm下的采集的轴承信号数据。由于轴承在1772 rpm转速下旋转一整圈，约采集400个数据信号，因此在实验过程中，为了保证每个训练样本覆盖一个旋转周期，并且尽可能分割更多的训练样本，实验选取了长度为24×24的轴承信号作为神经网络的输入，且训练集与测试集按照7:3的比例进行划分。