《表3 不同监测方法的准确度》
特征提取的常用方法有小波变换、小波包分解(wave packet transform,WPT)和主成分分析(principal component analysis,PCA)等;模式识别常用方法有BP神经网络和SVM等。WPT+BP方法主要是利用WPT来提取信号特征,结合BP完成加工过程监测[10];小波变换能实现信号分解提取特征,然后训练SVM分类器完成加工过程监测,能较好地实现加工过程监测[22];试验中从信号中提取多个特征,为特征+BP方法[23]。文中网络模型方法与WPT+BP、特征+BP和小波变换+SVM方法进行比较,测试结果如表3所示,可以看到CNN的测试精度达到了99%,相对其他方法准确率更高。虽然迭代100次需要花费训练时间为0.2 h,但测试剩余的20%样本时花费时间仅为1 s,非常高效。
图表编号 | XD0027431100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 李欣欣、周学良 |
绘制单位 | 湖北汽车工业学院机械工程学院、湖北汽车工业学院机械工程学院 |
更多格式 | 高清、无水印(增值服务) |