《表3 不同分类器的性能数据》
为了凸显本文在分类识别阶段所用ELM分类器的优势,分别计算了softmax分类器、支持向量机SVM分类器在平均诊断精度、训练时间、测试时间的具体数据,为避免实验结果的偶然性,每种算法均重复进行10次取平均值,结果如表3所示。由表3可知,本文在分类识别阶段使用的ELM分类器在平均诊断精度方面高于SVM分类器,在训练时间上明显低于SVM分类器和Softmax分类器,这是因为ELM算法在训练迭代过程中需要调整的参数量少,从而缩短了计算时间。因此,综上所述,本文所提方法可以有效的识别故障类别并可以达到实时性的识别要求。
图表编号 | XD00130201100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 顾鑫、唐向红、陆见光、黎书文 |
绘制单位 | 贵州大学现代制造技术教育部重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学机械工程学院、贵州大学公共大数据国家重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学机械工程学院、贵州大学公共大数据国家重点实验室、贵州理工学院机械工程学院 |
更多格式 | 高清、无水印(增值服务) |