《表4 分类效果对比:基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》
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
《基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》
从3种算法的分类结果可以看出:QPSO-SVM算法的分类效果最好,准确率达到98.88%(88/89),而PSO-SVM算法的准确率为94.38%(84/89),GA-SVM算法的准确率为97.75%(87/89)。3种算法的分类效果对比如表4所示。
图表编号 | XD00140076500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.20 |
作者 | 徐永干、冉恒、苟鑫、姜杰、唐昆明、张太勤、沈攀、张承习 |
绘制单位 | 重庆大学输配电装备及系统安全与新技术国家重点实验室、国网重庆江北供电分公司、重庆大学输配电装备及系统安全与新技术国家重点实验室、重庆大学输配电装备及系统安全与新技术国家重点实验室、重庆大学输配电装备及系统安全与新技术国家重点实验室、重庆新世杰电气有限公司、国网合肥供电公司、国网合肥供电公司 |
更多格式 | 高清、无水印(增值服务) |