《表7 不同网络结构模型的测试结果对比》

  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

《AE声谱图特征的转子碰摩故障识别方法研究》

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

变CNN模型结构对3种故障状态的AE信号进行分类识别，实验保持CNN的基本框架不变，在卷积层中设计不同个数的卷积核。表7给出了4种不同结构的CNN识别模型，分别为：2-2-4（即第1个卷积层卷积个数为2，第2个卷积层卷积个数为2，第3个卷积层个数为4，以下同），2-4-2，4-2-2，2-2-2，最后一层为Softmax分类器进行模式分类。为了保证网络性能测试结果的稳定性，消除随机因素的影响，每次实验都重复10次，以测试结果的最小值、均值作为评价指标，结果如表7所示。4种不同结构的识别模型对故障状态正确识别的结果具有相近的均值，分别达到98.83%，98.18%，98.27%和98.91%，可以看出基于CNN结构的碰摩故障诊断算法对卷积核个数的变换不敏感，具有较高的稳定性和识别性能。