《表3 不同诊断模型的测试准确率》

  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

《基于卷积神经网络的燃气轮机故障诊断研究》

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

为了验证所提出方法的优越性，分别以同样数据集绘制的短时傅里叶时频图和小波变换时频图为输入训练CNN网络，测试集测试结果如表3所示。可以看出，基于非线性调频分量分解时频图训练的CNN网络具有最高的测试准确率。这证明通过非线性调频分量分解方法所得到的时频图拥有更好的时频表达能力，基于卷积神经网络的故障模型能够较好地提取时频图中的特征，实现故障诊断。