《表3 5种模型的MAPE和SDAPE比较》
按照上述方法选择合适的参数构建LSTM网络模型,对齿轮箱油温进行预测。为了验证此方法的优势,与神经网络(BP)、SVM、随机森林(random forest,RF)、岭回归(ridge regression,RR) 4种方法[22]进行比较。所有方法均采用相同的预处理,并在相同的数据集上进行模型训练、测试和验证。图6给出了在正常状态下,齿轮箱模型测试时几种不同方法的预测曲线。计算每一种方法的MAPE和标准差(SDAPE)个指标,结果见表3所示。
图表编号 | XD00222523100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.28 |
作者 | 何群、尹飞飞、武鑫、谢平、江国乾 |
绘制单位 | 燕山大学电气工程学院、燕山大学电气工程学院、燕山大学电气工程学院、燕山大学电气工程学院、燕山大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |