《表1 特征值结果：主通风机机械故障智能诊断研究》
提示：宽带有限、当前游客访问压缩模式
经过能量熵计算步骤处理后，得到该主通风机运行状态的特征值，特征值结果如表1所示。该特征值结果可作为SOM神经网络的部分训练样本。
| 图表编号 | XD005424100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 王义涵、刘磊、李瑶 |
| 绘制单位 | 中国矿业大学信息与控制工程学院、中国矿业大学信息与控制工程学院、中国矿业大学信息与控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 统计特征参数：基于局部边缘判别投影的机械故障诊断方法》2021.02.01
- 《表1 算法指标评估结果：数据驱动的飞行器智能故障诊断系统研究》2021.01.25
- 《表7 故障转子分类结果：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6 故障齿轮分类结果：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2 轴承参数：基于卷积神经网络的风电机组轴承机械故障智能诊断方法》2020.07.30
- 《表1 参数优化结果：矿井主通风机风量调节智能控制算法研究》2020.01.01
- 《表1 迁移故障诊断实验：无标签数据下基于特征知识迁移的机械设备智能故障诊断》2019.08.01
- 《表4 实例诊断1：利用故障因果信息的汽轮机故障智能诊断研究》2019.08.18
- 《表2 敏感特征：数据驱动的地铁车门微小故障智能诊断方法》2019.06.01
- 《表5 数据融合结果对比：基于多域特征与改进D-S证据理论的齿轮故障智能诊断方法》2019.09.15
- 《表2 模态分析结果：核电主泵连接管道振动故障诊断与改进措施研究》2019.06.06
- 《表1 特征计算式：基于Tsallis熵与层次化混合分类器的含未知故障断路器机械故障诊断》2019.05.31
- 《表2 时域特征参数：面向机械故障智能诊断神经网络优化与识别方法研究》2019.04.01
- 《表1 实验齿轮参数：面向机械故障智能诊断神经网络优化与识别方法研究》2019.04.01
- 《表2 故障诊断结果对比：大型电子设备故障智能诊断技术研究》2019.04.25
- 《表1 实验参数设置：大型电子设备故障智能诊断技术研究》2019.04.25
- 《表6 风机振动故障诊断结果》2019.02.25
- 《表2 特征重要性排序：XGBoost算法在风机主轴承故障预测中的应用》2019.01.10
- 《表1 故障信息表：基于主成分分析法和贝叶斯网络的智能变电站故障诊断方法》2018.03.10