《表2 振动信号识别结果 (%)》
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
《独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究》
试验结果如表2所示,可以看到,对于不同载荷工况下的振动信号,NM-based ADDBN都很好地识别轴承的故障状态,十次试验结果都为100%。为了更好地说明提出方法的有效性,使用与试验所用NM-based ADDBN结构相同的标准深度信念网络(Standard DBN)以及支持向量机(SVM)对试验数据进行故障识别。试验结果也示于图8中,可以看到,标准DBN对0 kN载荷工况下的信号识别较好,平均识别率为99.93%,而对于3 kN载荷工况下的信号,标准DBN的识别精度不能保证,平均测试精度为91.05%。对于SVM,两种载荷工况下的振动信号的测试精度整体偏低,不能很好地识别出轴承健康状态,其中更高载荷工况的信号取得了更差的精度。
图表编号 | XD0068144900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.05 |
作者 | 沈长青、汤盛浩、江星星、石娟娟、王俊、朱忠奎 |
绘制单位 | 苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院 |
更多格式 | 高清、无水印(增值服务) |