《表2 EMD—样本熵与FastICA—样本熵均值》
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
《基于改进EMD与FastICA—样本熵的齿轮故障特征提取方法》
经过FastICA分解,可以看出信号个别分量的周期性变得更加明显。为了对比分析在齿轮故障特征提取时,FastICA—样本熵算法的优越性,在采集的3种状态下的信号中分别选取6组样本,共18组信号序列,计算EMD分解后得到前3个IMF分量的样本熵与FastICA分解后前3个分量的样本熵,对两种情况下的样本熵均值进行比较,如表2所示。
图表编号 | XD0073038800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.15 |
作者 | 吕同昕 |
绘制单位 | 山东科技大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |