《表2 不同算法结果对比：基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》

  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

《基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》

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

堆叠稀疏自编码网络的学习率设置为0.05，权重惩罚因子取1.0×10-5，batchsize设为5，一般的，网络层数越多，效果越好，但训练时间会变长。综和考虑下，选择堆叠自编码网络层数为3。将数据分为训练集和测试集，将训练集输入到所建立的轴承故障诊断网络中进行培训，得到最优权重，再应用测试集测试堆叠稀疏自编码网络的性能。训练时间为355s后，诊断的精确度为91%。为了验证该方法的有效性，选取支持向量机和随机森林方法作对比试验。试验结果如表2所示。