《表1 轴承故障特征值表:基于KICA-GDA和LSSVM的齿轮箱轴承故障诊断》
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KICA-GDA和LSSVM的齿轮箱轴承故障诊断》
2) 选择合适的时间间隔,分别将3种故障状态下的振动数据分成若干段,对每段数据先进行归一化处理,然后并计算每段数据的谱峭度K={K1,K2,?,Kk}、信息熵H={H1,H2,?,Hk}、功率谱密度指数FC={FC1,FC2,?,FCk}等10种特征值(特征值选取见表1)作为原始特征向量,其中,将表1中的第一行特征值作为第一特征,第二行特征值作为第二特征;对原始特征向量间的相关性进行分析,并将其直接作为LSSVM分类器的输入,得到故障分类准确率;
图表编号 | XD0049027000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.18 |
作者 | 杨伟新、王平、李舜酩 |
绘制单位 | 中国航发湖南动力机械研究所、中国航发湖南动力机械研究所、南京航空航天大学、南京航空航天大学 |
更多格式 | 高清、无水印(增值服务) |