《表2 决策表：融合粗糙集与灰色模型的道岔故障预测》

  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

《融合粗糙集与灰色模型的道岔故障预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

按照图2所示，对其余8种故障类型（f2-f9）按相应时间区段对电流曲线进行区域划分，提取时域特征参数，利用Fisher准则选出最优特征分别如下。A相:s1，7，s2，9，s3，9，s4，9和s5，6；B相:s1，8，s2，9，s3，4，s4，9和s5，2；C相:s1，2，s2，9，s3，9，s4，9和s5，6。这里做一个简单的解释:A相的s1，7就代表A相动作电流曲线在第1个区段内的第9个时域特征参数所对应的值，以此类推，然后通过前文所述的“替换”方法建立决策表，如表2所示。其中，U为序号集，D为决策属性集，c1-c15分别为三相动作电流的最优特征所对应的时域特征参数经过“替换”之后得到的状态特征，这些状态特征的集合称为条件属性集。例如:故障f8的c3，其对应的时域特征参数数值为1.01，经过与正常状态的对比，“替换”为1，即c3所对应的值。