《表8 不同分类方法的局部放电识别结果Table 8 PD pattern recognition accuracies using different classification methods》

  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

《基于灰度图像分解的局部放电特征提取与优化》

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

表8给出了分别采用Fk NNC、反向传播神经网络[29]和支持向量机[23]对PSO优选2DPCA特征的识别结果。可以看出，SVM的识别结果比Fk NNC和BPNN更好，Fk NNC的识别率略低于SVM。从识别时间上看，Fk NNC不需要进行分类器训练，识别时间仅为0.16 s，而BPNN和SVM的总识别时间分别为8.31 s和90.5 s。另外，当新增一种新的局部放电缺陷类别时，Fk NNC可以在增加训练样本的同时直接进行识别，而BPNN和SVM需要重新进行分类器训练。因此，Fk NNC可以兼顾识别率和计算效率两个方面，更适合进行局部放电缺陷类型识别。