《表2 自学习故障诊断模型诊断结果》
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。
图表编号 | XD00116891700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 郭士超、白洪飞 |
绘制单位 | 中国科学院沈阳自动化研究所机器人与智能制造创新研究院网络化控制系统重点实验室 |
更多格式 | 高清、无水印(增值服务) |