《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》
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。
图表编号 | XD0078372500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 张康、陶建峰、覃程锦、李卫星、刘成良 |
绘制单位 | 上海交通大学机械系统与振动国家重点实验室、上海交通大学机械系统与振动国家重点实验室、上海交通大学机械系统与振动国家重点实验室、上海交通大学机械系统与振动国家重点实验室、上海交通大学机械系统与振动国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |