《表3 5次实验平均诊断结果》
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
《压缩感知和改进深层小波网络在轴承故障诊断中的应用》
目前有关深度学习轴承诊断的研究大多将深度模型直接处理时域信号或频域信号,导致模型输入维数较大,网络整体训练时间较长,而本文将压缩采样信号输入DWNN,减小了模型输入维度,从而降低了网络复杂度。研究了不对信号进行压缩采样时和压缩率r=50%时,诊断正确率所受的影响,共进行5次实验,统计平均识别率,结果见表3,可知,压缩采样后信号的识别精度和稳定性高于直接输入时域信号,网络训练时间和测试时间均较低,验证了压缩采样的有效性。
图表编号 | XD00163750100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.15 |
作者 | 杜小磊、陈志刚、张楠、许旭 |
绘制单位 | 北京建筑大学机电与车辆工程学院、北京市建筑安全监测工程技术研究中心、北京建筑大学机电与车辆工程学院、北京市建筑安全监测工程技术研究中心、北京建筑大学机电与车辆工程学院、北京建筑大学机电与车辆工程学院、北京市建筑安全监测工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |