《表4 不同特征向量、不同诊断模型、不同参数寻优算法的诊断性能》
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
《基于主成分分析——支持向量机优化模型的断路器故障诊断方法研究》
选用“一对一”的多分类策略,以C-SVC模型作为支持向量机模型,以径向基函数(RBF)作为分类器核函数,首先将表2、3的能量熵向量通过主成分分析(PCA)进行特征降维和特征筛选,得到最终的特征量作为SVM的输入,将实验数据的40组作为训练样本,其余40组作为测试样本,分别通过网格搜索算法(GSA)、粒子群算法(PSO)、遗传算法(GA)3种算法进行参数寻优,对比分析3种寻优算法的性能。不同特征向量、不同诊断模型、不同参数寻优算法的诊断性能见表4,采用小波包分解能量熵作为特征向量时,SVM模型、PCA-SVM模型在GSA算法参数寻优下的预测结果分别见图12。
图表编号 | XD00157002400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.16 |
作者 | 樊浩、李兴文、苏海博、陈立、史宗谦 |
绘制单位 | 西安交通大学电气工程学院、西安交通大学电气工程学院、广州供电局有限公司电力试验研究院、西安交通大学电气工程学院、西安交通大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |