《表4 故障诊断算法对比:基于多特征融合与XGBoost的风机轴承故障诊断》
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
《基于多特征融合与XGBoost的风机轴承故障诊断》
表4为采用多特征融合时,使用SVM,KNN,ANN以及Adaboost等算法对轴承进行故障诊断的结果对比。XG-Boost算法与传统的分类器KNN,SVM相比,测试集诊断准确率可以提高0.28%~0.55%,比ANN高0.07%,而训练时间与ANN的124 s相比基本可以忽略不计。与Adaboost、GBDT算法相比,计算所消耗的时间有0.005~0.007 s的上升,但是诊断准确率提高了0.07%~0.42%。
图表编号 | XD00146309800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.20 |
作者 | 吴定会、郑洋、韩欣宏 |
绘制单位 | 江南大学轻工过程先进控制教育部重点实验室、江南大学轻工过程先进控制教育部重点实验室、江南大学轻工过程先进控制教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |