《表4 不同诊断方法对比:基于改进GAN算法的电机轴承故障诊断方法》
为了验证本文方法的轴承故障诊断效果,将此方法与现有其他轴承故障诊断方法[11-12]比较,均采用相同的数据集.文献[3]中连续小波变换与卷积神经网络结合的诊断准确率为97%;对文献[13]中集合经验模态分解与包络谱分析方法进行复现,诊断准确率为90%;文献[14]中基于一维卷积神经网络的自适应诊断算法的诊断准确率为96.3%.对比得出本文提出的方式达到了良好的效果,本文方法选择批处理量为50,标签率为50%,对比结果见表4.
图表编号 | XD00559300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 徐林、郑晓彤、付博、田歌 |
绘制单位 | 东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |