《表3 KEDA方法与其他方法识别结果对比》
为了进一步说明KEDA算法的优越性,对TE仿真过程典型故障模式分别采用其他几种非线性故障模式分类方法KPCA+LDA、KLFDA、GDA方法进行故障状态识别,如表3所示。从表3的对比结果可以看出,以样本状态识别正确率为评价指标,KE-DA算法结合了样本总体分析及局部线性分析,对于所选取的具有代表性的五类故障模式,其状态识别正确率对比其他分析方法均较高,证明了算法的有效性。
图表编号 | XD0090340000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.08 |
作者 | 亚森江·加入拉、高建民、高智勇、姜洪权 |
绘制单位 | 新疆大学机械工程学院、西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室、西安交通大学机械制造系统工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |