《表1 不同维度特征表征辨识诊断结果》
为验证所提故障诊断方法的有效性,此研究开展了多角度实验分析研究。根据1.1和1.2的样本特征提取和多维度表征方法,对齿轮振动信号进行特征提取和不同维度特征融合表征,最终每种运行状态均获得600个特征样本(四种状态共2400个特征样本),每种运行状态随机选取其中300个特征样本数据作为训练样本,剩余的300个特征样本数据作为测试样本。SVM网络模型使用1200个特征样本(每种类型300个样本)进行训练,然后采用训练好的SVM网络模型对待测试样本进行预测分类,不同维度特征融合表征所得辨识诊断结果,如表1所示。
图表编号 | XD0067730200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.08 |
作者 | 潘礼正、朱大帅、佘世刚 |
绘制单位 | 常州大学机械工程学院、常州大学机械工程学院、常州大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |