《表2 模型对比结果:基于1D-CNN的采煤机摇臂齿轮故障诊断》
为了更加直观地体现齿轮各状态在网络每一层的分类效果,利用当前主流的流行学习算法t-SNE将2个最大池化层、1个平均池化层和全连接层输出的高维特征映射到二维特征,并将其进行可视化,降维可视化结果如图5所示。其中,不同的颜色和数字代表不同的轴承故障类别,横、纵坐标X和Y分别代表2个不同的维度。
图表编号 | XD00223934500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 牛乃平、张小刚、丁华 |
绘制单位 | 山西科达自控股份有限公司、太原理工大学机械与运载工程学院、煤矿综采装备山西省重点实验室、太原理工大学机械与运载工程学院、煤矿综采装备山西省重点实验室 |
更多格式 | 高清、无水印(增值服务) |