《表3 采用不同特征的RBF识别结果》
为了更加客观地比较识别结果,从每类故障数据集中随机选取10组作为训练样本,利用RBF神经网络作为分类器识别剩余的10组样本。上文提到的时域特征参数和本研究特征各自独立运行,表3中的识别结果为各算法在Matlab中独立运行10次后的准确率的平均值与方差。从识别结果来看,本研究特征识别正确率均值高、方差小,说明本研究特征不仅类别可分性好,而且比较稳定,对同一数据集的不同训练数据,识别准确率不会产生较大波动。
图表编号 | XD00127569000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 田甜、温广瑞、张志芬、徐斌 |
绘制单位 | 西安交通大学智能仪器与监测诊断研究所、西安交通大学智能仪器与监测诊断研究所、新疆大学机械工程学院、西安交通大学智能仪器与监测诊断研究所、西安交通大学智能仪器与监测诊断研究所 |
更多格式 | 高清、无水印(增值服务) |