《表3 样本的训练集与测试集划分表》

  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

《基于核主成分分析BP＿Ada Boost算法的数控铣床故障诊断》

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

为了验证本文算法的有效性，从315组立铣刀磨损状态样本中选取210组数据作为训练样本，105组作为测试数据，训练集和测试集的划分如表3。根据立铣刀磨损状态的特征向量特点，确定BP神经网络的结构，其中输入层、隐含层、输出层层数分别为7/5/3，随机初始化神经网络的权值和阈值，共训练生成10个BP神经网络弱分类器，最后10个弱分类组成强分类实现对立铣刀磨损的状态监测。神经网络期望输出3维的向量，当期望输出为急剧磨损时，输出[001]。