通過分析可知,每個圖像由1024個原始信號數(shù)據(jù)點轉(zhuǎn)換而來,轉(zhuǎn)換后的圖像經(jīng)過中心裁剪后包含1024個像素點收集船用配件減速器卞軸不同作狀態(tài)下的100個樣本,總共400個樣本二通過算法隨機選擇70%的數(shù)據(jù)集作為訓(xùn)練集,剩下的30伙,作為測試集,共進(jìn)行1次實驗,何次實驗的訓(xùn)練輪數(shù)為。這種方法的日的是為了避免特定的練集和測試集而導(dǎo)致分類結(jié).果的偏差二然而,于一于CNN模型在稱一次訓(xùn)練巾的訓(xùn)練集和測試集都是隨機的月此每一次的分類結(jié)果都會有不同最終,在進(jìn)行次訓(xùn)練過程中,分類準(zhǔn)確率最高為100,最低為99.1,平均準(zhǔn)確率為99 .88%。
1TF-I混淆矩陣的平均錯誤率如圖4所,七二可以看出,CNN混淆矩陣的分類結(jié)果錯一誤率隨時間會有緩慢的增長,但在15時始終小a%此轉(zhuǎn)換時間小于時,是可以撇著降低信息采集分類的錯誤率:同時,通過對比在相同情況下其他深度學(xué)習(xí)方法的分類精度評MTF-GNN的優(yōu)勢,發(fā)現(xiàn)在,均錯誤率幾要低a其他深度學(xué)習(xí)方法。
本文以船用配件減速器主軸為研究對象,繞振動信號開展關(guān)于機誡信息采集研究,在信號處理方法和特征采集方面取得了一定的進(jìn)展二基幾單片機進(jìn)了馬爾可一火域和卷積神經(jīng)網(wǎng)絡(luò)設(shè)計,井將其應(yīng)丁門二船減速器主軸信息采集領(lǐng)域廠。http://www.procwell.com/
Copyright © 2023-2028 淄博蘭勝機械廠 版權(quán)所有 本站部分圖片和內(nèi)容來源于網(wǎng)絡(luò),版權(quán)歸原作者或原公司所有,如果您認(rèn)為我們侵犯了您的版權(quán)請告知我們將立即刪除 備案號:魯ICP備80011969號-1