《表3 评价指标SNR和RMSE》
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CEEMD和FastICA的滚动轴承故障诊断研究》
4) 利用Fast ICA算法来进行G1(t)和G2(t)的解混,降噪后得到信号Z1(t)和Z2(t)如图9所示,由图9可知,Z2(t)具有的故障特征信息较明显。分别利用信噪比SNR和均方根误差RMSE指标对该算法的降噪性能加以评价,信号G1(t)和Z2(t)的2项评价指标值如表3所示。由表可知经过CEEMD-FastICA算法降噪后的信号Z2(t)的信噪比SNR和只用CEEMD算法处理的信号G1(t)的信噪比相比较大,而且均方根误差RMSE相比较小,综上说明Fast ICA算法有利于提高降噪效果,更利于提取故障特征信息。
图表编号 | XD0057354500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 吴涛、姜迪、吴建德、马军 |
绘制单位 | 昆明理工大学信息工程与自动化学院、云南省矿物管道输送工程技术研究中心、昆明理工大学信息工程与自动化学院、云南省矿物管道输送工程技术研究中心、昆明理工大学信息工程与自动化学院、云南省矿物管道输送工程技术研究中心、昆明理工大学信息工程与自动化学院、云南省矿物管道输送工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |