《表4 3种方法的测试集诊断准确率比较》

  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

《基于随机森林算法的制冷剂充注量故障诊断》

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

为了测试样本规模对模型故障诊断准确率的影响，分别选取4组不同的样本规模n（3 000、5 000、10 000、15 000）进行故障诊断，每组样本依据训练集和测试集3∶1的比例随机选取；同时依据贡献率大小，优先选用贡献率大的特征量，在逐渐增加DFCQ的输入条件下，分别采用基于RF、基于决策树（DT）、基于支持向量机（SVM）算法的制冷剂充注量故障监测与诊断方法进行故障诊断，这些方法的诊断性能受到算法参数的影响，文中采用网格搜索算法对RF、DT、SVM（采用RBF核函数）算法的关键参数进行寻优。首先以训练集准确度为评价指标，对训练集采用4折交叉验证方法，寻找算法的训练集最优参数值，然后将参数传递给相应的算法，并用测试集进行验证，寻优算法参数设置如表3所示，其中m∈min（15，DFCQ）。实验结果表明:3种方法的训练集准确率在99%～100%之间，如图8所示。3种方法的测试集5次实验的平均准确率如表4所示。