《表2 参数初始值：改进萤火虫算法与小波神经网络相结合的变压器故障诊断》
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
《改进萤火虫算法与小波神经网络相结合的变压器故障诊断》
其他参数的初始值如表2所示。
| 图表编号 | XD00108422700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.08 |
| 作者 | 郝玲玲、朱永利 |
| 绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表2 车辆参数：小波神经网络对风力发电机组功率变流器的故障诊断》2021.01.01
- 《表2 试验工况参数：小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用》2021.02.25
- 《表2 决策属性：基于改进的粗糙集理论与贝叶斯网络的变压器设备故障诊断模型》2021.02.20
- 《表1 7种轴承工况：压缩感知和改进深层小波网络在轴承故障诊断中的应用》2020.08.15
- 《表2 实验轴承参数：改进小波阈值去噪在轴承故障诊断中的应用》2020.08.28
- 《表1 故障编码：基于差分进化算法与BP神经网络的变压器故障诊断》2020.03.10
- 《表3 部分诊断结果对比：基于精英混沌蜂群算法优化小波神经网络的变压器故障诊断》2020.08.16
- 《表2 诊断正确率比较：基于精英混沌蜂群算法优化小波神经网络的变压器故障诊断》2020.08.16
- 《表4 故障数据样本：基于改进果蝇算法优化PNN的变压器故障诊断研究》2020.08.01
- 《表2 各节点熵值：基于改进LMD与小波包降噪对故障弱信号的提取》2020.01.08
- 《表4 2种网络诊断结果：基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析》2019.12.25
- 《表2 主成分贡献率：基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析》2019.12.25
- 《表3 故障诊断精度比较：改进萤火虫算法与小波神经网络相结合的变压器故障诊断》2019.11.08
- 《表1 变压器状态编码：改进萤火虫算法与小波神经网络相结合的变压器故障诊断》2019.11.08
- 《表1 变压器状态编码：改进BP神经网络的SVM变压器故障诊断》2019.10.10
- 《表3 故障诊断正确率：云模型改进萤火虫算法优化的模拟电路故障诊断》2019.08.10
- 《表3 算法诊断结果对比：基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究》2019.02.01
- 《表3 结合时域与小波包能量特征的PSO-SVM故障诊断Table 3 PSO-SVM fault diagnosis combining time-domain and wavelet packet energy features》2018.01.01
- 《表2 故障诊断准确率：基于改进布谷鸟算法与SVM的矿用变压器故障诊断》2019.11.20
- 《表1 故障样本统计数据：基于改进布谷鸟算法与SVM的矿用变压器故障诊断》2019.11.20