《表3 决策属性表：基于RST-SOM的高压断路器故障诊断》
提示：宽带有限、当前游客访问压缩模式
将表5中的特征信息作为自组织特征映射神经网络的输入经过训练学习得到故障类型输出。
| 图表编号 | XD00131947600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.16 |
| 作者 | 黄新波、王宁、朱永灿、马玉涛、吴明松 |
| 绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 样地信息：基于振动信号短时能熵比与DTW的高压断路器状态评估及故障诊断》2020.12.31
- 《表1 高压断路器故障诊断的主要特征量》2020.04.25
- 《表2 振动信号特征向量：基于CEEMDAN与样本熵的高压断路器机械故障诊断》2020.02.28
- 《表1 仿真振动信号参数：基于CEEMDAN与样本熵的高压断路器机械故障诊断》2020.02.28
- 《表2 特征重要度排序：基于多特征选择方法的高压断路器故障诊断》2020.06.16
- 《表3 不同故障的阈值：非线性状态估计的高压断路器辅助元件的故障诊断》2020.06.16
- 《表4 断路器故障决策表：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表1 采集故障特征数据：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表2 条件属性表：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表5 约简决策表：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表5 三种方法的比较：基于粗糙集神经网络和振动信号的高压断路器机械故障诊断》2020.01.25
- 《表4 故障诊断正确率：LF-PSO优化神经网络的高压断路器机械故障诊断》2019.10.18
- 《表4 两种方法结果比较：基于模糊RBF神经网络的高压断路器机构故障诊断》2019.10.16
- 《表3 故障类型输出编码：基于红外神经网络的高压断路器故障诊断方法》2019.07.01
- 《表2 测试数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表1 训练数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表4 部分识别结果：基于VMD算法的10 kV高压断路器机械故障诊断分析》2018.06.28
- 《表2 待测状态标号：基于VMD算法的10 kV高压断路器机械故障诊断分析》2018.06.28
- 《表1 VMD能量熵：基于VMD算法的10 kV高压断路器机械故障诊断分析》2018.06.28
- 《表3 故障类型：改进量子神经网络高压断路器故障诊断方法研究》2018.09.15