《表3 基于CNN的气路诊断验证统计结果》

  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

《基于卷积神经网络的发动机气路故障诊断方法》

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

采用本课题构建的深度神经网络，经过3个epochs(1个epoch表示过了1遍训练集中的所有样本）的循环学习，训练集合上的准确率即可达到了较高的程度。训练10个epochs之后，保存生成模型。在测试验证集上，对于训练得到的模型进行监测，最终得到的故障检测准确率指标接近100%，即全部测试数据识别诊断均为正确，可见基于CNN的深度学习能力，其分类能力能够实现较高的精度指标。由此可见，深度学习方法较传统分类方法，在气路故障诊断应用上能够得到较大的准确率提升。