《表3 分类器诊断性能表：基于AVMD与极限学习机的传动箱故障诊断》

  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AVMD与极限学习机的传动箱故障诊断》

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

实验利用极限学习机实现故障识别，其激活函数采用Sigmoidal函数。选取特征集前52个（每种状态13个样本）样本作为训练集，后52个（每种状态13个样本）样本作为测试集，输入到极限学习机中进行训练、测试，识别结果如图5所示。同时，由于BP神经网络是现代模式识别使用最广泛的模型，因此为了与极限学习机识别结果作对比，实验也采用了传统的BP神经网络进行故障识别，分类结果如下图6所示，下表3为二者诊断性能表。图中实际分类用“*”表示，分类器的分类用“。”表示。二者发生重叠，表示分类是正确的，否则分类错误。