《表5 故障轴承分类结果：机械故障数值模拟驱动的生成式对抗网络及智能诊断原理》

  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

《机械故障数值模拟驱动的生成式对抗网络及智能诊断原理》

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

按以上样本处理方式，在G1和G2中，训练样本和测试样本（待测试故障）分别为40×9和40×3.而对于G3和G4，在相对完备故障样本的基础上分别都增加9个过采样样本和9个生成故障样本，则训练样本和测试样本（待测试故障）分别为400×9和40×3（保持不变），如表5所示.本实验选择的是SVM和ELM，主要参数:SVM，选择径向基核函数，惩罚因子和径向基函数半径分别为3和0.83；ELM，隐藏神经元数目为70，激活函数为默认的sigmoid函数.表5中列出了AI模型诊断结果.