《表6 各层提取特征的类内距和类间距》
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》
由于在变速情形下轴承会有振动波动大、冲击间隔不均匀、样本相位不一致以及噪声干扰等问题,本文选择将经过Teager能量算子解调并重采样后的阶次谱,输入到标准SAE和Sd-AE中进行自动特征提取。提取特征的网络结构与定转速数据集一致,如表1所示。将2种网络各层提取的特征通过t-SNE降为二维后进行可视化,如图11所示。从结果可以看出,随着网络的加深,同类样本逐渐聚集,说明网络的每一层都有特征提取能力,随着网络的加深,特征提取效果逐渐变好。对比标准SAE和Sd-AE提取的特征可以清晰看到,Sd-AE提取特征的区分度好于标准SAE提取的特征。同样,按照式(8) (9)定量计算降维后特征的类内距和类间距,结果如表6所示。从结果可以看出,Sd-AE提取特征的类内距比标准SAE提取得小,类间距比标准SAE提取得大。单独对比Sd-AE各层提取特征的类内距和类间距可以发现,随着网络的加深,类内距逐渐减小而类间距逐渐增大,再一次说明了随着网络的加深,Sd-AE提取效果逐渐变好的特性。
图表编号 | XD0078369200 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) |