《表2 时频特征：基于人工免疫算法的离散隐马尔科夫故障诊断模型优化》

  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

《基于人工免疫算法的离散隐马尔科夫故障诊断模型优化》

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

以齿轮箱顶端的三向加速度传感器的z向时域曲线（如图5所示）为例，断齿和磨损工况下的曲线波形区别不明显，三类工况下的振动加速度均方根值差别不大，说明通过波形曲线不能有效诊断齿轮箱的工况。因此，对采集到的数据进行时频分析，提取时域方根幅值、时域绝对平均幅值、频域均方根值等12个时频特征作为原始特征集，用到的时频特征见表2。每种工况各取90个样本作为DHMM的训练样本，24个样本作为DHMM的测试样本。