《表3 3种方法的试验结果对比》

  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

《基于特征贡献率的机械故障分类方法》

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

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。