《表2 不同隐含层节点数对应的训练误差和训练时间》

  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EEMD能量熵和混合算法的电机轴承故障诊断》

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

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。