《表3 不同算法特征识别的参数及分类准确率》

  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CEEMDAN与样本熵的高压断路器机械故障诊断》

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

高压断路器故障诊断过程包括振动信号特征提取和分类。本文SVM采用径向基核函数，在一定的参数范围内，使用粒子群算法寻优SVM参数C和g。将前30组振动信号的样本熵作为训练样本建立SVM分类模型，其余30组输入训练好的SVM分类器进行测试；算法寻优结果如表3所示，由表3可知，相比于EEMD，CEEMDAN提取的样本熵特征输入PSO-SVM的分类准确率更高。断路器故障分类结果如图7所示，使用CEEM-DAN样本熵与PSO-SVM方法结合进行故障诊断，30个测试样本全部分类正确，辨识结果达到100%，通过以上结果可以证明本文提出算法的有效性。