《表1 数据样本的隶属度:基于MRSVD能量特征和KFCM的齿轮箱复合故障诊断》
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MRSVD能量特征和KFCM的齿轮箱复合故障诊断》
3种工况各选取5组样本(此15组样本为训练样本,剩余15组样本为测试样本),将所提取的能量特征参数进行KFCM聚类。设定聚类数为3;高斯核函数的参数σ=150;加权指数m=2;终止迭代误差ε=0.000 01。得到各数据样本的隶属度,如表1所示。从表1中可以看出,按照最大隶属度原则,前5组样本聚为第一类,为正常工况;中间5组样本聚为第二类,为“断齿+磨损”故障工况;后3组样本聚为第三类,为“裂纹+磨损”故障工况。15组数据样本全部准确识别,与实际相符。表2为其15组数据得出的聚类中心。
图表编号 | XD0090420900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.15 |
作者 | 梁海英、许昕、潘宏侠、付志敏 |
绘制单位 | 中北大学机械工程学院、中北大学机械工程学院、中北大学机械工程学院、中北大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |