《表4 不同方法提取特征的诊断正确率》

  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

《区分自编码网络及其在滚动轴承故障特征提取中的应用》

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

进一步说明Sd-AE自动提取的特征能够适用于滚动轴承故障诊断。用支持向量机（SVM）、随机森林（RF）、BP神经网络这3种常用分类器，分别对以上3种方法提取的特征做故障分类。如前所述，训练集和测试集各1 000个样本，训练集样本用来训练提取特征的网络并得到训练集特征，测试集特征利用训练好的网络得到。对于人工提取的特征，训练集和测试集特征均按照相同的规则进行提取并归一化。3种方法提取特征的故障分类正确率如表4所示，可以看出，Sd-AE提取特征的诊断正确率和人工提取特征相当，均接近100%，高于标准SAE提取特征的诊断正确率。