《表3 故障诊断结果：基于深度学习与信息融合的燃气轮机故障诊断》

  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

《基于深度学习与信息融合的燃气轮机故障诊断》

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

根据KPCA方法提取的主元个数和状态模式数目设置DBN和ELM网络的输入层和输出层神经元数分别为6和4，分别用基于KPCA方法提取的A1，A2，A3，A4四种状态中每种状态的20组特征训练数据创建DBN和ELM故障诊断模型。而后将每种状态的20组特征测试数据送入创建的DBN和ELM故障诊断模型，对燃气轮机关键部件进行诊断，得到故障诊断结果。A1，A2，A3，A4的状态模式目标输出分别为（1，0，0，0)T，（0，1，0，0）T，（0，0，1，0）T，（0，0，0，1）T。DBN和ELM网络对测试样本故障诊断结果，如表3所示。