《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》
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.
图表编号 | XD00200394300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.20 |
作者 | 向家伟 |
绘制单位 | 温州大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |