学术知识图片库 > 电信技术 > 发动机在5种状态下的振动信号Fig.4Vibrationsignalsfromenginewithfivestates在对发动机训练样本集X采用NMF技术进行分解之前,首先采用PCA技术确定基向量秩r,经PCA分析后发现,前40个特征值的累积贡献率超过了99%,因此在对发动机故障信号进行非负矩阵分
发动机在5种状态下的振动信号Fig.4Vibrationsignalsfromenginewithfivestates在对发动机训练样本集X采用NMF技术进行分解之前,首先采用PCA技术确定基向量秩r,经PCA分析后发现,前40个特征值的累积贡献率超过了99%,因此在对发动机故障信号进行非负矩阵分
图片来源:
  • 李兵;徐榕;贾春宁;郭清晨;基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法,兵工学报,201303. >>查看本文图片摘要
图片关键词: 分解图非负矩阵基向量发动机故障特征值发动机累积贡献率训练样本集振动信号技术
所属学科: 电信技术
图片上下文:
  • 第3期基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法图4发动机在5种状态下的振动信号Fig.4Vibrationsignalsfromenginewithfivestates在对发动机训练样本集X采用NMF技术进行分解之前,首先采用PCA技术确定基向量秩r,经PCA....
  • >>展开全部