《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》
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。
图表编号 | XD0025107700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.10 |
作者 | 吴漫、黄国勇、周卫兵 |
绘制单位 | 云南省矿物管道输送工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |