《表1 不同维度特征表征辨识诊断结果》

  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

《基于多维度特征表征与SVM的齿轮故障诊断》

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。