《表2 42个人工提取的经典特征》
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
《区分自编码网络及其在滚动轴承故障特征提取中的应用》
作为对比,本文从时域、频域、时频域提取了表2所示的42个人工提取的经典特征[19]。通过t分布随机邻域嵌入技术(t-SNE)对标准SAE、Sd-AE以及人工提取的特征降为二维并进行可视化,结果如图7所示[20]。从图中可以看出,标准SAE提取的特征不能将样本很好地分开,保持架故障样本与滚动体故障样本有明显重合;Sd-AE提取的特征效果和人工提取的特征效果相当,均能有效地对不同状态的样本进行区分。为了定量对比3种方法提取特征的效果,计算类内距、类间距如下
图表编号 | XD0078368900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 向宙、张西宁、张雯雯、余迪 |
绘制单位 | 西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |