《表6 4种方法识别结果:基于CEEMDAN-SQI-SVD的齿轮箱局部故障特征提取》
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CEEMDAN-SQI-SVD的齿轮箱局部故障特征提取》
为进一步验证本文所提算法的有效性,将本文方法与常见的几种方法进行比较。在故障程度识别上均采用BP神经网络进行识别,且网络参数设置均相同。因每种故障程度的训练样本量与测试样本量均仅为50个,为避免巧合及误差,每种方法单次试验均在每种故障级别的100个样本中随机抽取50个作为训练样本,剩余50个作为测试样本,共做10次试验,并取10次试验结果的平均值作为最终识别结果,最终识别结果如表6所示。
图表编号 | XD0097360300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 古莹奎、曾磊、张敏、李文飞 |
绘制单位 | 江西理工大学机电工程学院、江西理工大学机电工程学院、江西理工大学机电工程学院、江西理工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |