《表3 三种时域特征的NMSE对比结果》

  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

《基于分层稀疏编码的轴承剩余寿命预测方法》

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

为验证所提方法的预测性能和鲁棒性，使用表2中所有数据集对三种时域特征进行了一系列单步预测实验，实验结果与基于粒子群的支持向量机方法进行比较分析。所有数据集的性能指标均记录在表3中。图5和图6表明，HSC方法具有比PSO-SVM方法更好的预测性能。在图5a中，明显可以看出在趋势急剧变化处，分层稀疏编码表现更优越。在图5b和图5c中，趋势平稳阶段，HSC方法所得结果基本与实际值重合，但是PSO-SVM方法所得结果明显比实际值偏低。同样，从图6a、图6b和图6c依然可以分辨出分层稀疏编码网络的拟合值更接近真实值，因此，所提方法的预测性能明显优于PSO-SVM。在图5d与图6d中，从上到下分别是峭度值、峰度值与均方根的剩余寿命预测结果与实际结果的对比图，结果表明均方根指标对滚动轴承RUL预测结果更准确、更稳定，更适合用来预测轴承RUL。