《表2 原始振动信号的排列熵Table 2 Permutation entropy of the original vibration signals》
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CEEMDAN排列熵和LS-SVM的滚动轴承状态分类》
将表2中原始振动信号排列熵作为LS-SVM分类器的输入参数,对4种状态轴承进行分类,分类结果如表3所示.从表3可以看出,在包含4种状态轴承振动信号的80个样本中,LS-SVM分类器能准确分类出正常轴承和外环故障轴承,而内环故障轴承和滚动体故障轴承的正确分类率分别为15.0%和35.0%.换言之,基于原始振动信号排列熵的LS-SVM对4种状态轴承总的分类准确率为62.5%,其分类效果并不理想.
图表编号 | XD002585600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.10 |
作者 | 边杰、陈亚农、徐友良、唐广 |
绘制单位 | 中国航发湖南动力机械研究所中国航空发动机集团航空发动机振动技术重点实验室、中国航发湖南动力机械研究所中国航空发动机集团航空发动机振动技术重点实验室、中国航发湖南动力机械研究所中国航空发动机集团航空发动机振动技术重点实验室、中国航发湖南动力机械研究所中国航空发动机集团航空发动机振动技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 原始振动信号的排列熵Table 2 Permutation entropy of the original vibration signals”的人还看了
- 表2 不同工况下振动信号经VMD分解后的复杂度特征向量表Tab.2 Complexity feature vector table after vibration signal decomposition by VMD under diff
- 表4 不同工况下振动信号经VMD分解后的复杂度特征向量表Tab.4 Complexity feature vector table of vibration signals after VMD decomposition under dif