《表4 故障诊断系统理想输出向量》

  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SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断》

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

首先设计BP神经网络，根据提取的特征向量和故障模式，确定网络拓扑结构为9-14-4。其中9个时域、频域特征作为神经网络的输入，包括有效值、方根幅值、绝对值、标准差、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标；以四种工况模式为神经网络输出，隐含层根据经验公式选取14。对特征值归一化处理，构建神经网络的训练与测试样本。每种工况的三种转速前8组为训练样本，后2组为测试样本。归一化后的训练样本96组，测试样本总共24组，SFLA和BP仿真参数设置如表3所示，理想输出如表4所示。应用理想输出与实际输出的误均方误差为青蛙个体进化的适应度函数。