《表2 特征信号：改进量子神经网络高压断路器故障诊断方法研究》
提示：宽带有限、当前游客访问压缩模式
本模型的特征输入信号的选取如表2所示。
| 图表编号 | XD007427600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.09.15 |
| 作者 | 张莲、王磊、禹红良、左兴喜、杨森淋 |
| 绘制单位 | 重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 部分故障特征数据：基于改进Elman神经网络的故障诊断模型研究》2021.01.30
- 《表1 样地信息：基于振动信号短时能熵比与DTW的高压断路器状态评估及故障诊断》2020.12.31
- 《表1 高压断路器故障诊断的主要特征量》2020.04.25
- 《表2 振动信号特征向量：基于CEEMDAN与样本熵的高压断路器机械故障诊断》2020.02.28
- 《表1 仿真振动信号参数：基于CEEMDAN与样本熵的高压断路器机械故障诊断》2020.02.28
- 《表2 特征重要度排序：基于多特征选择方法的高压断路器故障诊断》2020.06.16
- 《表1 采集故障特征数据：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表2 条件属性表：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表5 三种方法的比较：基于粗糙集神经网络和振动信号的高压断路器机械故障诊断》2020.01.25
- 《表2 部分振动信号特征：基于电—振信号熵权特征的断路器储能机构故障诊断方法》2019.11.16
- 《表1 部分电机电流特征：基于电—振信号熵权特征的断路器储能机构故障诊断方法》2019.11.16
- 《表4 故障诊断正确率：LF-PSO优化神经网络的高压断路器机械故障诊断》2019.10.18
- 《表2 实验数据样本集：LF-PSO优化神经网络的高压断路器机械故障诊断》2019.10.18
- 《表4 两种方法结果比较：基于模糊RBF神经网络的高压断路器机构故障诊断》2019.10.16
- 《表1 高压断路器振动信号时频图像特征》2019.10.10
- 《表3 故障类型输出编码：基于红外神经网络的高压断路器故障诊断方法》2019.07.01
- 《表2 测试数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表1 训练数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表2 待测状态标号：基于VMD算法的10 kV高压断路器机械故障诊断分析》2018.06.28
- 《表3 故障类型：改进量子神经网络高压断路器故障诊断方法研究》2018.09.15