《表1 不同故障类型的样本》
提取 ⇩
《基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法》
对上述4种轴承故障类型及无故障状态的数据,每组各选取10个样本并进行编号,如表1所示。其中:无故障数据编号是1~10;滚动体、内圈、外圈带有直径0.36 mm凹坑故障状态下的数据编号分别为11~20、21~30、31~40;为了更好地验证本文方法的有效性,增设一组带有直径0.36 mm凹坑的内圈故障为待识别数据,同样有10个样本,数据编号为41~50.
图表编号 | B1666802666 |
---|---|
出版时间 | 2019.11.01 |
作者 | 郭伟超、赵怀山、李成、李言、汤奥斐 |
研究主题 | 基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法 |
出版单位 | 西安理工大学机械与精密仪器工程学院、安徽中清能动力技术有限公司、西安理工大学机械与精密仪器工程学院、西安理工大学机械与精密仪器工程学院、西安理工大学机械与精密仪器工程学院 |
更多格式 | JPG/无水印(增值服务) |
定制格式 | Excel格式(增值服务) |
传媒
查看“表1 不同故障类型的样本”的人还看了
-
- 表1 轴承故障特征频率:一种感应电机机械故障建模方法及故障度辨识
- 一种感应电机机械故障建模方法及故障度辨识
-
- 表1 轴承10种故障状态样本
- 基于改进HHT和SVM的滚动轴承故障状态识别
-
- 表4 频域特征样本:基于GAPSO-SVM的滚动轴承故障分类方法
- 基于GAPSO-SVM的滚动轴承故障分类方法
-
- 表2 小波包熵值:基于MED与小波包熵的矿用排水泵轴承故障特征提取方法研究
- 基于MED与小波包熵的矿用排水泵轴承故障特征提取方法研究
-
- 表2 4种轴承故障状态部分特征向量
- 基于ALIF和PNN的轴承故障特征提取研究
-
- 表3 故障类型划分:基于CDAE与CNN的滚动轴承故障诊断方法
- 基于CDAE与CNN的滚动轴承故障诊断方法