《表1 轴承滚动体故障信号降噪效果参数对比》
提示：宽带有限、当前游客访问压缩模式
在进行定量分析之前同样选用启发式软阈值，然后分别计算轴承滚动体故障和含噪信号noisdopp的小波和小波包的信噪比与均方根误差，计算结果如表1、表2所示。
| 图表编号 | XD005424400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 于岩、许继秀、张梦超、石浩 |
| 绘制单位 | 山东科技大学机械电子工程学院、山东科技大学机械电子工程学院、山东科技大学机械电子工程学院、山东科技大学机械电子工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 降噪效果对比分析：相关峭度联合降噪在滚动轴承故障特征增强中的应用》2020.10.25
- 《表5 故障诊断结果3：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表4 故障诊断结果2：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表3 故障诊断结果1：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表2 故障信号数据：基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断》2020.10.01
- 《表1 轴承结构参数：高速列车轴箱轴承滚动体打滑特性研究》2020.10.01
- 《表1 仿真信号参数：滚动轴承故障诊断的最优加权路图GFT冲击提取方法》2020.06.01
- 《表2 滚动轴承结构参数：双约束非负矩阵分解的复合故障信号分离方法》2020.06.01
- 《表1 滚动轴承结构参数：改进的TQWT在滚动轴承早期故障诊断的应用》2020.04.01
- 《表1 滚动轴承结构参数：参数自适应TVF-EMD的滚动轴承故障诊断》2020.04.08
- 《表5 频域特征：基于机匣信号的滚动轴承故障卷积神经网络诊断方法》2019.12.01
- 《表4 时域特征：基于机匣信号的滚动轴承故障卷积神经网络诊断方法》2019.12.01
- 《表4 时域特征：基于机匣信号的滚动轴承故障卷积神经网络诊断方法》2019.12.01
- 《表1 故障轴承参数：基于粒子群的共振解调滚动轴承故障诊断研究》2019.09.20
- 《表1 具体参数：MBCV-EWT和奇异值差分谱的滚动轴承信号降噪方法》2019.08.01
- 《表3 不同模型诊断结果：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表2 训练集数据描述：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表1 样本数据描述：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表2 含噪信号noisdopp降噪效果参数对比》2019.12.01
- 《表1 滚动轴承参数：基于EMD和VPMCD的滚动轴承故障诊断》2019.11.30