《表3 3种方法的试验结果对比》
该方法的试验结果如图3所示,可以看到,20次试验的分类准确率均为100%,充分说明提出的方法可以准确识别往复压缩机不同故障模式下的6种健康状况。为了比较,使用文献[7]方法(GMM方法)与基于Relief算法的故障诊断方法(Relief方法)诊断相同的数据。测试GMM方法时,分布分量的数目设置为3。测试Relief方法时,使用与提出方法相同的距离计算方法来表示不同特征权重间的差异。两种对比方法的试验结果也示于图3中。观察分类结果可以看出:GMM方法20次试验的分类准确率在60%~94.29%范围内,变化幅度较大,分类精度不稳定;Relief方法的20次试验分类准确率在62.86%~74.29%范围内波动,准确率整体偏低。为了定量对比3种方法的分类精度,计算20次试验的平均分类准确率以及相应的标准差,如表3所示。可以看到,在分类精度方面,所提方法最高,其平均分类准确率为100%;Relief方法最低,其平均分类准确率仅为67.29%。在分类稳定性方面,所提方法最稳定,其分类准确率的标准差为0;GMM方法最不稳定,其分类准确率的标准差高达8.54%。当训练样本相同时,提出的方法训练模型的时耗较少,具有更高的时效性。以上结果表明,笔者所提方法的故障分类能力相比于其他两种方法均有明显优势。
图表编号 | XD00178456500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 马波、赵祎 |
绘制单位 | 北京化工大学高端机械装备健康监控及自愈化北京市重点实验室、北京化工大学发动机健康监控及网络化教育部重点实验室、北京化工大学高端机械装备健康监控及自愈化北京市重点实验室、北京化工大学发动机健康监控及网络化教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |