《表2 不同方法识别设备工件摆幅和摆速异常准确率》

  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

《深度学习的光学超精密制造设备状态模式识别》

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

统计采用本文方法模式识别光学超精密制造设备工件摆幅和摆速异常状态识别准确率，并将本文方法与支持向量机以及HMM对比，对比结果如表2所示。综合分析表1和表2实验结果可以看出，采用本文方法可有效识别光学超精密制造设备的压力异常、转速异常、工件摆幅异常、工件摆速异常4种状态，且采用本文方法模式识别光学超精密制造设备状态识别准确率均高于98.5%；而采用支持向量机以及HMM模式识别光学超精密制造设备状态识别准确率均低于98%，采用本文方法模式识别光学超精密制造设备状态识别准确率明显高于支持向量机以及HMM，有效验证本文方法对于光学超精密制造设备状态具有高效的模式识别性能。