《表2 4种状态辨识模型精度及训练时间比较》
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
《基于敏感瞬态冲击特征提取与分层极限学习机的行星齿轮箱故障诊断研究》
DAE-ELM算法通过去噪自动编码器实现了对ELM隐含层层数的优化,算法较复杂,以训练时间(单位:s)为评价标准来验证DAE-ELM状态辨识模型的时效性,结果如表2所示。DAE-ELM训练时间为4.39 s,KELM和SVM的训练时间分别为3.29 s和2.98 s,与KELM和SVM算法相比,DAE-ELM的训练时间仅增加1.1 s和1.41 s,而精度分别提升了3%和6%。
图表编号 | XD00163734900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 秦波、尹恒、王卓、赵文军、马涛、王建国 |
绘制单位 | 内蒙古科技大学机械工程学院、内蒙古科技大学机械工程学院、内蒙古第一机械集团公司工艺研究所、特种车辆及其传动系统智能制造国家重点实验室、内蒙古第一机械集团公司工艺研究所、特种车辆及其传动系统智能制造国家重点实验室、内蒙古第一机械集团公司工艺研究所、特种车辆及其传动系统智能制造国家重点实验室、内蒙古科技大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |