《表3 故障准确率对比结果》

  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

《基于改进EEMD-AR和DBN的风机轴承故障诊断》

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

%

针对DBN作为轴承故障状态分类器是否优于一般浅层学习算法，具有能够从低阶特征中提取出高阶特征的优势，将文中所用的低阶特征结合反向传播神经网络（BPNN）和SVM进行轴承的故障识别。同时，为了验证文中所选特征数据的性能，提取振动信号的14个时域特征和3个频域特征构造特征向量，并利用BPNN，SVM，DBN进行故障诊断。实验结果如表3所示。