《表2 测试结果对比：多级神经网络的轴承故障诊断研究》
提示：宽带有限、当前游客访问压缩模式
为了进一步评估所提模型的故障分类准确性与可靠性，将本文所提轴承故障诊断模型的数值仿真结果与在同一数据库上进行故障诊断的经典故障诊断方法的仿真结果进行对比，如表2所示。
| 图表编号 | XD00134392000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.01 |
| 作者 | 衷路生、刘东东 |
| 绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 数据集测试结果：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表5 故障轴承分类结果：机械故障数值模拟驱动的生成式对抗网络及智能诊断原理》2021.03.20
- 《表2 不同方法诊断结果：基于同步提取变换和DRSN的滚动轴承故障诊断研究》2021.01.15
- 《表3 部分特征向量：EEMD结合概率神经网络的风力机轴承故障诊断研究》2020.06.08
- 《表2 稠密卷积轴承故障诊断网络参数设置》2020.08.18
- 《表2 轴承参数：基于卷积神经网络的风电机组轴承机械故障智能诊断方法》2020.07.30
- 《表4 试验测试诊断结果：基于子空间学习刮板输送机减速器轴承变工况故障诊断》2019.10.01
- 《表2 测试位置：动车组轴承异音故障诊断与研究》2020.01.10
- 《表1 4种故障测试结果：基于MFCC与CDET的滚动轴承故障诊断方法研究》2019.09.20
- 《表4 故障诊断测试集：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表4 测试结果：基于小波神经网络的逆变器开路故障诊断方法研究》2019.02.01
- 《表3 故障诊断结果：基于PCA-SVM的轴承故障诊断研究》2019.09.05
- 《表2 轴承诊断结果：基于BP神经网络的采煤机传动机构故障诊断系统研究》2019.08.31
- 《表1 数据集明细：基于深度神经网络的提升机轴承故障诊断研究》2019.08.15
- 《表1 轴承的测试数据：BP神经网络技术在滚动轴承故障诊断中的应用研究》2019.01.01
- 《表3 故障诊断结果：BP神经网络技术在滚动轴承故障诊断中的应用研究》2019.01.01
- 《表3 测试集分类结果：基于一维卷积神经网络的齿轮箱故障诊断研究》2019.08.31
- 《表1 轴承样本数分布表：CEEMD与卷积神经网络特征提取的故障诊断方法研究》2019.02.01
- 《表2 测试样本数据表：基于粒子群神经网络的汽车故障诊断技术研究》2019.01.10
- 《表3 振动测试结果：大游隙轴承电机故障诊断方法研究》2019.11.25