《表1 实验数据集：基于改进型深度网络数据融合的滚动轴承故障识别》

  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

《基于改进型深度网络数据融合的滚动轴承故障识别》

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

为对比算法的优劣，采用CWRU（美国凯斯西储大学）的滚动轴承标准故障数据集，此数据集故障轴承通过电火花加工单点损伤，故障位置有内圈、外圈、滚动体，故障大小有0.18、0.36、0.54mm 3种。实验在1、2、3hp（1hp=746 W）3种负荷下，由12kHz加速度传感器测得振动加速度，将3种工况下的数据分别分为A、B、C 3个数据集。考虑在实际应用中，一方面，同一种故障类型可能出现在不同的工况、不同轴承位置中，数据集要尽可能全面地呈现轴承状态，另一方面，故障态样本数量可能远低于健康状态样本，尤其是重度损坏的轴承样本更加难以获取，从而造成数据集各故障类型样本量的极不平衡。为更接近实际应用，制作包含3种工况的不平衡数据集D。传感器采样频率12kHz，轴承转速1 730～1 797r/min，轴承旋转一圈采集约430个数据，单个样本长度应保证可以准确反映此状态下轴承振动信号的数据分布情况，故以1 024个数据点为一个样本长度，实验数据集如表1所示。