《表4 不同方法在电机轴承故障模式识别上的准确率对比》
将表3中的特征参数输入到改进的PSO_BP算法中,为了确保本方法更加合理、避免偶然性,在3个数据集合当中,分别不重样且任意选取各个载荷条件下的样本的1200个数据作为训练集,剩下的400个数据作为测试集。为了验证所提方法的轴承故障模式识别的准确率,与其他方法的识别准确率进行对比,其中RBF为径向基神经网络,GA为遗传优化算法,对比结果如表4所示。
图表编号 | XD00188139900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.18 |
作者 | 陈之恒、宋冬利、张卫华、邓聪、董俭雄 |
绘制单位 | 西南交通大学牵引动力国家重点实验室、西南交通大学牵引动力国家重点实验室、西南交通大学牵引动力国家重点实验室、西南交通大学牵引动力国家重点实验室、西南交通大学牵引动力国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |