《表5 CEEMDAN分解信号排列熵 (测试样本) Table 5 Permutation entropy of the CEEMDAN decomposed signals (testing sam
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》
表6给出了基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类结果.从表6中可以看出,4种状态轴承共80个测试样本中,与基于原始振动信号排列熵的LS-SVM轴承状态分类效果相比,基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类效果要好很多,其总的分类准确率高达98.75%,由此表明了基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类方法的优越性.图3为基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类图.从图中可以清晰看出4种不同状态的滚动轴承被完全区分开来,由此也进一步验证了基于CEEMDAN分解信号排列熵的LS-SVM分类方法用于滚动轴承状态分类的有效性和实用性.
图表编号 | XD002585800 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) |