《表2 各模型泛化能力对比Tab.2 Generalization Ability Comparisons of Different Models》

  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

《GRNN与粒子滤波集成的刀具磨损监测》

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

可看出经过粒子滤波修正后进一步提高了刀具磨损量的预测精度，其中以指数模型为状态转移方程基础的粒子滤波修正效果更好，因其更贴近刀具磨损过程的非线性特征，此外作为粒子滤波对比，选取传统形式的卡尔曼滤波[10]进行比较，两个滤波系统均以指数模型作为状态转移方程，以LOO-GRNN的预测值作为观测值，其余较重要的参数设置为初始误差协方差P0=0.05，测量矩阵H=1，测量误差R=0.0001，系统过程噪声方差Q=0.00015，两者分别的修正结果，如图7所示。为进一步验证各模型的泛化能力，随机选取3组实验数据分别作为验证集进行交叉验证并记录各模型的平均表现，采用均方误差（MSE），总体精度（Accuracy）与平方相关系数（R2）作为评判标准，对所有的模型进行综合比较，如表2所示。