《表2 不同隐含层节点数对应的训练误差和训练时间》
神经网络各层节点的确定:根据前面介绍的相关性分析取电机轴承的6个IMF分量的能量熵为输入。隐含层节点个数确定:首先根据经验公式h=2n+1确定初始节点个数为13,其中h为隐含层节点个数,n为输入层节点个数,然后分别训练h取11~16时的网络模型,得到训练误差和训练时间如表2所示,为了兼顾准确性和仿真效率,选用h=14为隐含层节点个数。取4种轴承的典型状态类型作为网络模型的输出,与其对应的神经网络输出数据为Y=[yi1,yi2,yi3,yi4]T。最后确定神经网络为6-14-4结构。
图表编号 | XD00119194600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.18 |
作者 | 王福忠、冯文成、韩素敏、姚磊 |
绘制单位 | 河南理工大学电气工程与自动化学院、河南理工大学电气工程与自动化学院、河南理工大学电气工程与自动化学院、中平能化集团机械制造有限公司工程技术研发中心 |
更多格式 | 高清、无水印(增值服务) |