《表1 特征提取部分数据：基于小波包-AR谱和深度学习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

《基于小波包-AR谱和深度学习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

每个负载条件包含400个样本，每个样本是包含1 024个数据点的振动信号。对每组样本信号利用小波包分解—AR谱估计方法进行特征提取，分别得到以八个频带能量值组成的特征向量，部分数据如表1所示。其中:故障类型1、2、3、4分别表示内圈故障、外圈故障、滚动体故障、正常四种轴承状态。