《表6 T1变工况诊断结果比较》

  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

《谱质心迁移在变工况轴承故障诊断的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

作为比较，针对目标工况T1和T2，表6和7分别给出了SVM、KNN以及Tr AdaBoost方法在相同条件下的试验结果，在T1试验中，相比SVM、KNN等仅利用目标工况领域数据，引入源工况领域样本能提升18.85%综合诊断精度。在T2试验中，SVM、KNN性能与T1试验相近，这是由于两者均未采用迁移思想，而从Tr AdaBoost和所提谱质心迁移结果来看，针对减速齿轮箱对象的迁移学习精度（95.31%）高于针对行星齿轮箱的精度（92.57%），进一步证实了3.2节中对前者迁移易于后者的初步判断。