《表2 特征值向量：基于CEEMD-SVD和ELM的滚动轴承故障诊断》

  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CEEMD-SVD和ELM的滚动轴承故障诊断》

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

用上述方法对所有样本数据进行CEEMD分解，SVD分析矩阵选取前5个IMF分量，并对该矩阵进行SVD分解，计算出所有样本数据的奇异值，选取非零值得到60×5个奇异值作为特征向量，输入到ELM模型中进行训练，最后分类模型对剩余样本进行测试分析，最终识别出故障类型。表2为4种状态奇异值分解后的奇异值（受篇幅限制，仅列出每种状态中的3组数据），滚动轴承状态编码1为内圈故障，2为外圈故障，3为正常状态，4为滚动体故障。