《表1 升降机轴承故障数据分类准确率》
提示：宽带有限、当前游客访问压缩模式
实验对升降机轴承振动故障数据的分类准确率结果如表1所示。通过结果可得:SVDD-NE的平均分类精度为0.92，SVDD的平均分类精度为0.88。
| 图表编号 | XD0052837100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.15 |
| 作者 | 刘俊辰、唐文秀、金剑桥、吴俊英 |
| 绘制单位 | 东北林业大学机电工程学院、东北林业大学机电工程学院、东北林业大学机电工程学院、东北林业大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 诊断准确率：基于EEMD-CNN的滚动轴承故障诊断方法》2020.10.15
- 《表3 时域特征样本：基于GAPSO-SVM的滚动轴承故障分类方法》2021.01.15
- 《表4 故障类型预测结果：结合马田系统-SVM的滚动轴承故障模式分类研究》2021.03.15
- 《表6 测试集混淆矩阵：结合马田系统-SVM的滚动轴承故障模式分类研究》2021.03.15
- 《表5 故障轴承分类结果：机械故障数值模拟驱动的生成式对抗网络及智能诊断原理》2021.03.20
- 《表1 四组常见风机轴承故障诊断的准确率》2020.12.15
- 《表4 不同方法在电机轴承故障模式识别上的准确率对比》2020.11.18
- 《表3 三种SVM的滚动轴承故障模式识别正确率》2020.06.08
- 《表2 预测准确率：基于主成分和神经网络的风力发电机主轴承故障预警》2020.05.25
- 《表4 分类器的比较结果：风电机组主轴轴承故障的分析与预测》2020.04.06
- 《表2 轴承故障状态分类结果(ADCS-ELM)》2020.05.20
- 《表6 算法准确率对比：基于小波分析与EMD的机车轴承故障诊断方法》2020.06.01
- 《表5 故障诊断准确率：基于小波分析与EMD的机车轴承故障诊断方法》2020.06.01
- 《表1 CWRU轴承数据集故障类型划分》2020.02.10
- 《表4 不同工况下不同方法的滚动轴承故障严重度识别准确率》2019.12.18
- 《表1 各路局轴箱轴承故障数据》2019.06.01
- 《表2 不同方法关于滚动轴承故障分类准确率比较》2019.07.18
- 《表1 滚动轴承故障数据》2019.07.16
- 《表1 升降舵测量数据：基于故障树的民机结构装配干涉问题分析》2019.07.20
- 《表1 轴承故障数据集描述》2019.02.10