《表4 不同深度迁移自动编码器模型诊断结果对比》

  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

《基于提升深度迁移自动编码器的轴承智能故障诊断》

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

重复试验的具体结果如表4和图7所示。所提迁移模（模型1:SELU&CMod）的平均诊断准确率为89.48%，高于其他5种迁移模型的平均准确率，依次为85.14%，81.99%，83.42%，83.29%和84.30%。所提迁移模型的标准差为0.630，低于对比模型，展现了良好的稳定性。主要原因为可缩放指数型线性单元可提升原始振动数据的归一化属性，非负约束修正的代价函数可进一步提升重构质量。通过对比模型1和2，模型3和5，模型4和6体现修正代价函数的优势。通过对比模型1，5和6体现SELU激活函数的优势，进一步分析模型1与5输出的深层特征数据，通过t-分布领域嵌入算法进行降维可视化，如图8所示。由此可知，所提模型学习得到的深度特征更具代表性，更易区分。