《表2 不同算法在大规模数据集中的准确率》
图4,图5和图6展示了测试集上三种方法的故障识别结果。在每个图中,纵轴表示故障的类型,其中0表示正常状态,1,2,3和4分别表示故障2%,4%,5%和6%。从图中可以看出,所提出的SDAE-DNN方法基本上准确地对每个状态进行了分类,而PCA-SVM和SVM都具有错误分类结果。例如,SVM方法将几乎所有故障1样本识别为故障2,PCA-SVM将故障1的一些样本识别为故障2。而只有所提SDAE-DNN方法给出了非常准确的识别结果。表2给出了三种方法的识别准确性。同样,SDAE-DNN在测试集上的准确度达到了99%,优于其他两种方法。
图表编号 | XD00189213400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 宫亮、马宗杰、杨煜普 |
绘制单位 | 上海交通大学电子信息与电气工程学院自动化系、欧姆龙(上海)有限公司、欧姆龙(上海)有限公司 |
更多格式 | 高清、无水印(增值服务) |