《表3 故障诊断结果：基于PCA-SVM的轴承故障诊断研究》

  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PCA-SVM的轴承故障诊断研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以Win7操作系统为运行平台，以LIBSVM3.23[19]+python3.7+gnuplot5.3为运行环境构建SVM故障诊断模型。将3.1节中由主成分分析法提取的两个因子的得分作为模型的输入向量，将其所对应的正常/故障类别（正常：1；内圈故障：2；外圈故障：3；滚动体故障：4）作为模型输出变量，训练分类模型。采用基于网格搜索的交叉验证法进行参数寻优，训练集随机分成10等分。寻优后，得到最优参数为：C=22.627 416 997 969 522，g=1.0，交叉验证精度rate=100%。通过模型训练，构建了6个分类器，模型如图3、4所示。将测试集输入分类模型中，得到诊断结果，诊断正确率为87.5%，如表3所示。