《表5 不平衡数据下不同方法的平均分类精确率》

  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

《改进集成深层自编码器在轴承故障诊断中的应用》

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

前面只考虑了基于平衡数据集的轴承故障诊断，但在实际应用中，正常样本的比例通常比故障样本的比例高；因此，本文进一步研究在不平衡数据集情况下本文方法的有效性.实验设计了4种不平衡数据集情况，比较了5种不同方法（IEDAE、无“跨层”连接IEDAE、CAEDN、DAEDN和WCAEDN）的诊断性能.每种工况下的测试样本数量为200，正常状态和各故障工况下的训练样本数量比例分别设置为2 000:2 000、2 000:1 600、2 000:1 200和2 000:1 000，实验共进行10次，5种方法的平均诊断正确率如表5所示.在第4组中，即当不平衡比例为2 000:1 000时，本文方法的平均诊断正确率为95.49%.5种方法的平均诊断正确率随着不平衡比例的增大整体上呈现下降趋势，但本文方法相较于另外几种方法在面对不同比例的不平衡样本时表现更加优异，具有更高的泛化性能.