《表3 神经网络、SVM、HMM模型对比》
HMM模型与以上两种模型不同,它根据类别的相似性进行建模。对于切削加工颤振来说,它需要根据加工采集的动态序列建立一个描述加工状态的模型,然后根据新的序列,通过训练好的HMM模型,计算属于各个类别的概率,从而判断所属的加工状态。HMM建模能力强,具有很强的泛化能力,推广性较好。但使用HMM模型进行模式识别,在模型训练的过程中,需要大量的样本,才能训练出更高精度的模型,导致HMM模型学习效率较低。同时,HMM模型对于相近的两种状态分类能力不强,会出现错分现象。神经网络、SVM和HMM模型详细的对比如表3所示。
图表编号 | XD00203026500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 王志学、刘献礼、李茂月、LIANG S Y、王力翚、李玉强、孟博洋 |
绘制单位 | 哈尔滨理工大学先进制造智能化技术教育部重点实验室、哈尔滨职业技术学院、哈尔滨理工大学先进制造智能化技术教育部重点实验室、哈尔滨理工大学先进制造智能化技术教育部重点实验室、佐治亚理工学院乔治.W.伍德拉夫机械工程学院、瑞典皇家理工学院、哈尔滨理工大学先进制造智能化技术教育部重点实验室、哈尔滨理工大学先进制造智能化技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |