《表3 网络测试结果对比：基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》

  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BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》

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

采用同一个测试样本对建立好的BP神经网络和PNN网络进行测试，测试样本见表2。从网络测试的结果分析：BP神经网络故障识别的误差较大，其中误差最大的一组是[0.7639 0.0001 0.9943]，期望输出为[0 1 1]，进气管堵塞、排气管堵塞以及正常状态均出现错误，准确率只有66.7%，效果不理想，原因是训练样本涵盖面不足；PNN网络输出的结果跟期望输出基本符合，15组随机样本的测试结果中，只有一组进气管堵塞被判断为排气管堵塞，故障检测错误，准确率达93.3%。网络测试结果如表3所示，由此可见，建立的PNN网络在完成发动机故障类型的分类和识别的效果上更优。