《表1 GRNN预测裂纹误差表》
mm
将仿真得到的数据统一进行归一化处理,数据处理后的转矩施加端扭转角、切割块端面扭转角作为特征向量X构建神经网络的输入学习样本,裂纹类型、裂纹长度、裂纹深度的特征向量Y作为期望输出。其中轴向裂纹类型的输出参数设定为“0”,横向裂纹类型的输出参数为“1”。归一化后的数据共52组,其中48组作为GRNN的训练数据,建立船轴裂纹参数预测模型,4组作为预测实验数据对训练好后的网络进行测试。采用交叉验证寻找最优化参数方式循环训练GRNN,训练次数达到1 000次时完成训练,此时网络对样本的逼近性最好。将4组测试实验数据导入训练好的GRNN,计算出相应的裂纹参数,根据神经网络输出与仿真原始数据对比计算,得到GRNN预测裂纹误差,如表1所示。
图表编号 | XD0098496500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 杨琨、王昱、王艳武、郝亚东 |
绘制单位 | 武汉理工大学能源与动力工程学院、武汉理工大学能源与动力工程学院、武汉东湖学院、武汉理工大学能源与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |