《表2 行星齿轮箱数据集的描述》

  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

《基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法》

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

通常，峰度越大，信号中包含更多的冲击成分。因此，选择峭度最大的六个分量IMF1，IMF2，IMF3，IMF6，IMF7和IMF8作为有效IMF，其包含较多由行星齿轮故障产生的振动特征信息。然后将故障特征明显的6个IMF分量按峭度从大到小的顺序堆叠成一个多通道样本，样本数据维度由1×2 048变为1×2 048×6。将所有的样本信号进行上述操作，创建数据集，并将数据集划分为训练集与测试集，最终得到的数据集如表2所示。