《表3 不同方法重复试验诊断准确率标准差》

  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

《随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断》

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

图7为不同工况数据集下各分类方法平均故障诊断准确率的对比。由图7和表3可以看出，SVM诊断准确率最高为86.12%，标准差最大为0.637；DNN诊断准确率最高可达93.88%，标准差最大为4.209；XGB诊断准确率最高为91.22%，标准差最大为2.736。因此，依赖手工提取时域特征和小波包能量特征的DNN、SVM、XGB方法，未能完全准确地学习故障的所有模式特征，无法准确地泛化到测试集上。本文方法DBDCNN将原始数据直接输入卷积网络，蕴含在原始信号中的故障模式特征被卷积层自动学习和提取，结果表明，DBCNN成功地泛化到测试集上，在不同转速工况下的准确率最高可达100.00%，标准差最大为0.157，评估效果最好且最稳定。