《表4 不同工况下不同方法故障识别正确率对比》
将本文方法测试结果与文献[19]的SAE-DNN、GRU、BiGRU、LFG-RU方法以及迁移学习预训方法[15]进行对比,如表4所示。表4结果表明,本文MSAFCN方法的分类精度均优于其他主流基于机器学习的分类方法。
图表编号 | XD00124874400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 吴静然、丁恩杰、崔冉、刘建华 |
绘制单位 | 中国矿业大学徐海学院、中国矿业大学物联网(感知矿山)研究中心、中国矿业大学信息与控制工程学院、中国矿业大学徐海学院、中国矿业大学徐海学院 |
更多格式 | 高清、无水印(增值服务) |