《表3 各算法的识别结果:源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》
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
《源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》
为具体说明本文方法在不同工况下较SVM、KNN的识别优势,分析各算法在训练样本数为60(3种寿命状态各20),测试样本数为30(3种寿命状态各10),源域多样本数为1000下3种寿命状态识别结果,如表3所示。由表3可知,经过一致性投票集成后,SVM在磨合期和工作期识别错误,KNN在工作期识别完全错误(识别率为0),导致3种寿命状态无法有效识别。本文方法对工作期的识别率为70%,因此可有效识别不同工况下的3种寿命状态。
图表编号 | XD00178472000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 陈仁祥、陈思杨、胡小林、董绍江、黄鑫、朱炬锟 |
绘制单位 | 重庆交通大学机电与车辆工程学院、重庆大学机械传动国家重点实验室、重庆交通大学机电与车辆工程学院、重庆工业大数据创新中心有限公司、重庆交通大学机电与车辆工程学院、重庆交通大学机电与车辆工程学院、重庆交通大学机电与车辆工程学院 |
更多格式 | 高清、无水印(增值服务) |