《表3 故障特征向量Tab.3 Fault feature vector》

《表3 故障特征向量Tab.3 Fault feature vector》   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LSTM-BP级联网络的列控车载设备故障诊断》


  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

本文采用上述定义构建故障特征向量，结合故障诊断专家经验，把300T型列控车载设备常见的主要故障模式及故障特征信息罗列出来，见表3.

图表编号XD0028248000    严禁用于非法目的
绘制时间2019.02.01
作者上官伟、孟月月、杨嘉明、蔡伯根
绘制单位北京交通大学电子信息工程学院、北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学北京市电磁兼容与卫星导航工程技术研究中心、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学轨道交通控制与安全国家重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《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》2019.01.15
  2. 《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》2019.01.15
  3. 《表1 开路故障下电压矢量Tab.1 Voltage vectors under open circuit fault》2019.01.20
  4. 《表2 滚动轴承零件故障特征频率Tab.2 Fault Feature Frequencies of RollingBearing Parts》2019.04.08
  5. 《表2 特征矢量Tab.2 Feature vectors》2019.01.25
  6. 《表3 单故障结果统计Tab.3 Results of single fault》2019.01.01
  7. 《表2 故障特征Tab.2 Fault feature》2019.02.01
  8. 《表3 第四层的特征向量及一致性检验Tab.3Feature vector and consistency test of fourth layers》2018.05.15
  9. 《表2 基于时域特征的SVM故障诊断———考虑故障严重程度Table 2 SVM fault diagnosis based on time-domain features———Consider the severity of the fau》2018.01.01
  10. 《表2 部分特征向量Table 2 Partial feature vector》2018.03.01
  11. 《表1 基于PRPD图谱、N-P图谱和Q-P图谱提取的特征向量Tab.1 Feature vector extraction based on PRPD、N-P and Q-P》2018.04.25
  12. 《表1 油压传感器不同故障类型下的WEE特征向量Tab.1 Eigen vector of WEE for different types of sensor faults》2018.08.15
  13. 《表3 轴承故障时的特征值Tab.3 Characteristic values with bearing fault》2018.02.15
  14. 《表3 损伤直径为0.533mm的故障特征指标Tab.3 Fault characteristics of damage diameter of 0.533mm》2018.05.01
  15. 《表7 各匝间短路故障特征熵权分布Table 7 Entropy weight distribution of inter-turn short circuit fault features》2018.06.01
  16. 《表3 水力不平衡故障特征指标集Tab.3 Hydraulic imbalance fault characteristic indexes》2018.08.20
  17. 《表1 特征向量参数Tab.1 The parameters of the feature vector》2018.04.30
  18. 《表1 EOVW故障特征向量Tab.1 EOVW fault feature vectors》2018.02.05
  19. 《表6 SPSS主成分分析得到的特征向量Table 6 Feature vectors obtained by principal component analysis of SPSS》2018.06.15
  20. 《表4 各主成分的特征向量及贡献率Table 4 Each feature vector and contribution rate of principal components》2018.04.30

随机翻阅

《表1 层和列不同情况的组合》 《表1 810H与150A中盐雾试验方法对比》 《表2 青年性与老年性脑梗死临床特征比较(n/%)》 《表2 Gln对水貂养分表观消化率的影响》 《表2 糊料质量分数对印花效果的影响》 《表1 肝脂溶颗粒联合二甲双胍对糖尿病大鼠体质量的影响 (±s, n=10)》 《表5 薄荷脑的回收实验》 《表2 两组的临床总有效率比较 (例)》 《表1 实验组与对照组总有效率比较[n (%) ]》 《表1 各档位电池放电时间》