《表2 不同算法识别准确率》

  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

《基于融合极限学习机的局部放电模式识别》

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

利用第2节模拟实验可以获得PD的PRPD谱图和波形信号图，因此文中融合ELM算法包含2个子分类器。采集400组PD信号样本，每种放电类型各100组，提取相应的PRPD谱图和波形时频域特征值，从各放电类型中随机选取80组共计320组作为训练样本，余下共80组数据作为测试样本，利用文中的融合ELM算法、传统ELM算法和BP神经网络算法进行模式识别，代码由Matlab R2018a实现。其中，融合ELM算法中2个子分类器的隐层节点数各为15，传统ELM算法中隐层节点数为20，BP神经网络为50。考虑到单次测试具有偶然性，对3种方法分别进行10次测试，计算平均值作为模式识别的准确率，结果如表2所示。