《表2 样本量对BPNN训练过程的影响》
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
《采用GA-BPNN与TLS模型的风电机组异常辨识方法》
采用BPNN算法建立风电机组状态参数预测模型,BPNN的输入参数为风速、上时刻目标参数与同时刻关联性高的状态参数;隐含层传递函数为tansig型(f(x)=2/(1+e-2x)-1),通过20次独立试验确定最优隐节点个数。以发电机轴承a温度(前)与主轴承温度(转子侧)为例,表2给出了在不同样本数据规模下,训练35次BPNN陷入局部最优的比例,可见样本量越大模型结构越复杂,BPNN在训练过程中越易陷入局部最优,从而降低参数预测精度。
图表编号 | XD00149848700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 李泽宇、郭创新、朱承治 |
绘制单位 | 浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |