《表2 决策表:融合粗糙集与灰色模型的道岔故障预测》
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。
图表编号 | XD00102328700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 张友鹏、江雪莹、赵斌 |
绘制单位 | 兰州交通大学自动化与电气工程学院、兰州交通大学自动化与电气工程学院、兰州交通大学自动化与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |