船用配件减速器主轴研究

       通过分析可知，每个图像由1024个原始信号数据点转换而来，转换后的图像经过中心裁剪后包含1024个像素点收集船用配件减速器卞轴不同作状态下的100个样本，总共400个样本二通过算法随机选择70%的数据集作为训练集，剩下的30伙，作为测试集，共进行1次实验，何次实验的训练轮数为。这种方法的日的是为了避免特定的练集和测试集而导致分类结.果的偏差二然而，于一于CNN模型在称一次训练巾的训练集和测试集都是随机的月此每一次的分类结果都会有不同最终，在进行次训练过程中，分类准确率最高为100,最低为99.1，平均准确率为99 .88%。

       1TF-I混淆矩阵的平均错误率如图4所，七二可以看出，CNN混淆矩阵的分类结果错一误率随时间会有缓慢的增长，但在15时始终小a%此转换时间小于时，是可以撇著降低信息采集分类的错误率:同时，通过对比在相同情况下其他深度学习方法的分类精度评MTF-GNN的优势，发现在，均错误率几要低a其他深度学习方法。

       本文以船用配件减速器主轴为研究对象，绕振动信号开展关于机诫信息采集研究，在信号处理方法和特征采集方面取得了一定的进展二基几单片机进了马尔可一火域和卷积神经网络设计，井将其应丁门二船减速器主轴信息采集领域厂。http://www.zblansheng.cn/