《表1 训练结果与测试样本数量一致性比较》
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
《基于自学习SOM和ARMA算法的数控机床滚动轴承健康预警研究》
由于滚动轴承性能退化过程较为复杂,且具有一定非线性、非平稳性特点,为了全面体现故障特征,本文综合考虑时域或频域中多个特征参数.所提取的时域特征参数包括:均值、均方根值、峰峰值、峰值、峰值因子、峭度、偏度、裕度;频域特征参数包括:均方根值、峰值、峰值因子;时频域特征参数包括:小波包节点能量.然后,采用主成分分析将线性相关的特征信息去除,最后,选择均值、均方根值、峰峰值、峰值、频率均方根值、小波包节点能量等六个特征参数进行故障类型的分类,输出SOM进行训练.轴承工作状态分为4种:正常状态、内圈故障、外圈故障、滚珠磨损故障等.本文采用的测试样本数为35,如表1所示,经样本训练后,SOM的训练结果如图7所示,图中将测试结果划分为4类,并显示出各类的结果样本数,与测试样本的比较结果如表1所示,测试结果表明训练样本数与测试样本数量一致.
图表编号 | XD0045017400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 夏筱筠、林浒 |
绘制单位 | 中国科学院大学、中国科学院沈阳计算技术研究所、中国科学院沈阳计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |