《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》
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。
图表编号 | XD0042301100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.28 |
作者 | 赵文涛、陈雪娇、仇满意 |
绘制单位 | 西安工业大学机电工程学院、西安工业大学机电工程学院、西安工业大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |