《表3 每类样本数量为140的实验结果(%)》

  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

《基于多源异构信息迁移学习的融合故障诊断方法》

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

为了验证该方法的有效性，本文做了3组实验，一维信号每类样本数量分别为140、80和20，二维图像样本与一维信号保持同步，测试集每类样本数量为200个。当每类有140个样本时，结果如表3所示。只使用一维信号的故障诊断模型平均故障诊断精度为93.13%，只使用二维图像的故障诊断模型平均故障诊断精度为96.50%，将一维信号特征与二维图像特征融合后进行故障诊断，该模型的平均故障诊断精度为98.63%。本文方法结果为99.75%，比FS-DNN提高了1.12%，比CNN提高了3.25%，比DNN提高了6.62%。从表3可以看出，本文方法每类的故障诊断精度皆大于等于对比的其他方法。