《表3 不同故障类型的聚类指标》

  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ALIFD模糊熵和GK聚类的滚动轴承故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好地说明本研究方法用于滚动轴承不同故障类型诊断中的优越性，分别计算ALIFD-FE和EMD-FE经GK聚类后的分类系数PC和平均模糊熵CE，结果见表3。按照上述理论可知，分类系数PC越接近于1，平均模糊熵CE越接近于0，其聚类效果越好。从表3可以看出，与基于EMD模糊熵和GK聚类的故障诊断方法相比，本研究所提出方法的分类系数PC更接近于1，平均模糊熵CE也更接近于0，故而说明该方法在滚动轴承不同故障类型的诊断中具有一定的优越性。