《表3 6种模型对照实验结果表》
为对比Bi SNet与常用模型在本模拟数据集上的性能,根据文献[12]调研的现阶段常用故障诊断网络——全连接神经网络、卷积神经网络和循环神经网络,结合本数据集为序列振动数据特点,因此选用主流循环神经网络——长短期记忆网络LSTM(Long Short Term Memory Network)[12]组合全连接神经网络作为对比Bi SNet的基准神经网络,在发动机某部件转子振动信号模拟数据集上采用传统常用的阈值判定法[13]与四种基准对比神经网络模型(单LSTM回归、双LSTM回归、单LSTM分类、双LSTM分类)以及Bi SNet网络共6种模型进行训练评估,得到实验结果对照如表3所示。
图表编号 | XD00213924900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 李鹏程、陈海东、李世鹏、连彦泽 |
绘制单位 | 北京宇航系统工程研究所、中国运载火箭技术研究院、北京宇航系统工程研究所、北京宇航系统工程研究所 |
更多格式 | 高清、无水印(增值服务) |