《表3 3种轴承故障诊断方法的结构对比》
e2e-LSTM方法对不同负载场景下的轴承故障识别具有较强的泛化能力。从表4中可以看到,相比Conv-LSTM、Bi-LSTM方法,在不改变模型任何参数的情况下,e2e-LSTM对不同的轴承故障场景均具有较好的诊断识别能力。此外,e2eLSTM的迭代次数为600次,训练时间为46 min,是Conv-LSTM所用时间的67%,Bi-LSTM方法所用时间的12%,极大缩短运行时间,提高故障诊断效率。
图表编号 | XD00128887400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.18 |
作者 | 庄雨璇、李奇、杨冰如、陈良、沈长青 |
绘制单位 | 苏州大学机电工程学院、苏州大学机电工程学院、苏州大学机电工程学院、苏州大学机电工程学院、苏州大学轨道交通学院 |
更多格式 | 高清、无水印(增值服务) |