《表2 不同方法对5种数据集的故障识别正确率》

  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

《采用多尺度注意力机制的旋转机械故障诊断方法》

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

不同方法对不同数据集的故障识别正确率对比如表2所示。由表2可知：本文MSAFCN方法在无需任何特征提取的情况下，数据集E的故障识别准确率明显优于文献[16-19]方法；与深度学习ConvNet方法相比，本文方法的故障识别正确率明显均优于ConvNet方法；与迁移学习预训方法[15]相比，本文方法在数据集C上的故障识别正确率比预训练方法低0.5%，在数据集D、E上的故障识别正确率为100%，比预训方法高0.04%和0.05%。