《表6 T1变工况诊断结果比较》
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。
图表编号 | XD0097360700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 沈飞、陈超、徐佳文、严如强 |
绘制单位 | 东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、东南大学仪器科学与工程学院、西安交通大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |