《表4 3种分类器诊断性能比较》
为了验证该方法对S700K转辙机故障状态的识别性能,从微机监测系统中获取36组S700K转辙机动作功率曲线数据进行测试,数据量属于小样本情况。在小样本情况下,模糊聚类方法作为故障分类器,比支持向量机(SVM)算法和贝叶斯网络(BN)算法的诊断误报率更低[10]。3种分类器性能比较如表4所示。从表4可见:模糊聚类方法正确率为94.5%;在小样本情况下,模糊聚类方法仍具有较强的预测推广能力。
图表编号 | XD00110194200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.26 |
作者 | 刘新发、魏文军 |
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、兰州交通大学光电技术与智能控制教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |