《表4 健康因子评估结果：基于多尺度AlexNet网络的健康因子构建方法》

  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

《基于多尺度AlexNet网络的健康因子构建方法》

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

为了验证本文所提方法的优势，分别采用时域RMS、PCA、极限学习-深层自编码器[22](extreme learning machineauto encoder，ELM-AE）、堆叠去噪自编码器-自组织映射网络[16](stacked denoising auto encoder，SDAE-SOM）这4种方法构建的健康因子曲线进行对比分析。其中，RMS是从振动信号有效值的物理角度出发构建物理健康因子的一种传统方法，PCA是构建虚拟健康因子的传统的机器学习方法，ELM-AE和SADE-SOM是深度学习方法。这4种对比算法比较具有代表性。利用健康因子评估准则计算不同算法构建的健康因子，评估结果如表4所示。