《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》

《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》   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
《基于改进GAN算法的电机轴承故障诊断方法》


  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.