《表3 故障诊断结果：基于BP神经网络技术的采煤机齿轮箱早期故障诊断》
提示：宽带有限、当前游客访问压缩模式
在BP神经网络模型达到预设精度后，将表1中剩余的5组数据作为检验样本对BP神经网络进行检验，此时可以得到经过训练的BP神经网络对这5组数据的故障诊断结果如表3所示。
| 图表编号 | XD0037933000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 王勇、师款 |
| 绘制单位 | 苏州工业职业技术学院、苏州工业职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 故障诊断输出结果：基于BP神经网络的静止变频器故障诊断方法》2020.10.25
- 《表2 模型对比结果：基于1D-CNN的采煤机摇臂齿轮故障诊断》2020.11.01
- 《表1 具体样本组成：基于1D-CNN的采煤机摇臂齿轮故障诊断》2020.11.01
- 《表2 故障识别准确率：基于卷积神经网络的采煤机截割部传动系统故障识别》2020.10.01
- 《表1 故障诊断结果：基于卷积神经网络的采煤机截割部传动系统故障识别》2020.10.01
- 《表2 测试样本特征值：GA-ACO优化BP神经网络在行星齿轮箱故障诊断中的应用》2021.03.15
- 《表1 轴承故障状态表：基于振动图像和DCNN的采煤机滚动轴承故障诊断》2020.07.01
- 《表2 实验诊断结果：基于振动图像和DCNN的采煤机滚动轴承故障诊断》2020.07.01
- 《表3 方案对比结果：基于粗糙集-RBF神经网络的采煤机液压泵故障诊断》2020.06.01
- 《表1 原始故障决策表：基于粗糙集-RBF神经网络的采煤机液压泵故障诊断》2020.06.01
- 《表2 最小决策表：基于粗糙集-RBF神经网络的采煤机液压泵故障诊断》2020.06.01
- 《表1 采煤机故障统计表：基于神经网络的齿轮箱故障诊断》2020.04.01
- 《表4 故障分类表：基于神经网络的齿轮箱故障诊断》2020.04.01
- 《表6 诊断结果：基于神经网络的齿轮箱故障诊断》2020.04.01
- 《表2 轴承诊断结果：基于BP神经网络的采煤机传动机构故障诊断系统研究》2019.08.31
- 《表1 齿轮诊断结果：基于BP神经网络的采煤机传动机构故障诊断系统研究》2019.08.31
- 《表3 故障诊断结果：BP神经网络技术在滚动轴承故障诊断中的应用研究》2019.01.01
- 《表3 测试集分类结果：基于一维卷积神经网络的齿轮箱故障诊断研究》2019.08.31
- 《表1 故障特征样本：PSO优化BP神经网络齿轮箱故障诊断》2019.12.06
- 《表2 3种方法仿真结果：PSO优化BP神经网络齿轮箱故障诊断》2019.12.06