《表1 不同分类模型对测试数据的诊断结果》
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Gammatone滤波器倒谱系数与鲸鱼算法优化随机森林的干式变压器机械故障声音诊断》
由表1可见,相比单一CART算法,采用CART基分类器集成学习的RF算法的识别率平均提高了约10%,克服了单一CART基分类器能力弱的缺陷;而利用WA对RF算法进行参数优化后变压器故障诊断的识别率均到达了95%以上,相比未经参数优化的RF算法更进一步提高了算法的泛化能力。此外,WA-RF算法仅采用了146个CART基分类器,相比于RF算法对400个基分类器进行集成而言,在有效降低了存储空间的同时,显著提升了变压器典型机械故障诊断效果。
图表编号 | XD00145839300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 耿琪深、王丰华、金霄 |
绘制单位 | 上海电力大学电气工程学院、上海交通大学电气工程系、上海工程技术大学电子电气工程学院 |
更多格式 | 高清、无水印(增值服务) |