《表2 自学习故障诊断模型诊断结果》

  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

《基于AP聚类和BP神经网络的自学习故障诊断方法》

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

从图4中可见AP聚类算法产生了4种聚类簇，结合先验知识，该算法将正常状态、外圈故障、内圈故障（未知故障1）和滚动体故障（未知故障2）数据进行了正确的分类，其分类准确率高达100%。继而将图4中AP聚类产生的聚类簇中的样本作为新的训练集，输入到网络结构为输入层为6；隐藏层为3；输出层为4（等于聚类簇的个数）的BP神经网络中进行模型的更新训练。新的故障诊断模型训练完成后，将正常状态、外圈故障、内圈故障（未知故障1）和滚动体故障（未知故障2）的测试集样本输入，新模型的诊断结果如表2所示。