《表5 预测错误率:基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》
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Mallat小波分解与改进GWO-SVM的道岔故障诊断》
本节将改进GWO-SVM模型、未改进GWO-SVM模型以及SVM模型做准确率比较。改进GWO-SVM模型经过18次迭代,诊断误差(适应度值)达到0,终止迭代,其预测结果如10(a)所示,其误差图如10(b)所示,准确率为100%;GWO-SVM模型经200次迭代后,终止循环,误差未小于0.01,陷入局部最优,其预测结果如10(c)所示,其误差图如10(d)所示,准确率为97.2%(35/36);SVM模型(C取65.07,g取0.86)的预测结果如10(e)所示,其误差图如10(f)所示,预测准确率为91.7%(33/36);此外,本节将改进后的GWO-SVM模型与CS-SVM模型、PSO-SVM模型做预测错误率比较(如表5所示);由表5数据可知:改进后的GWO-SVM模型预测错误率最低,为0%,说明该模型具有较高诊断准确率且优于表中其他方法。
图表编号 | XD00147364900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 孔令刚、焦相萌、陈光武、范多旺 |
绘制单位 | 兰州交通大学国家绿色镀膜技术与装备工程技术研究中心、兰州交通大学自动控制研究所、甘肃省高原交通信息工程及控制重点实验室、兰州交通大学自动控制研究所、甘肃省高原交通信息工程及控制重点实验室、兰州交通大学自动控制研究所、甘肃省高原交通信息工程及控制重点实验室 |
更多格式 | 高清、无水印(增值服务) |