《表4 预测精度与训练时间结果》

  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

《基于振动信号的电主轴回转精度预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表4给出了不同训练时间、隐藏层数目、标签间隔下的LSTM网络训练准确度与训练时间，可以看出训练时间随迭代周期数、标签数目和隐藏层数目的增加而增加.随着迭代周期数的增加，预测精度并没有线性增加，在迭代周期数为300时，更是出现预测精度下降的现象；标签划分的数目越小，网络训练的时间越短，标签预测的准确度也越好，但标签间隔过大也会造成系统精度变差，出现如图10中的基于原信号的LSTM预测结果“跳跃”问题；当隐藏层达到100时，预测精度不再提高，出现起伏变化现象.因此选择合理的网络参数对回转精度预测精度至关重要.根据预测精度与实际预测点在回转精度峰值处的预测效果，选择隐藏层数150，迭代周期数200，标签间隔0.1μm进行LSTM网络训练，最终得到93.15%的预测结果.