《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》
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。
图表编号 | XD00167737200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.28 |
作者 | 王国东、马莉、古彦龙、王启阳、魏亮 |
绘制单位 | 国网宁夏电力有限公司检修公司、国网宁夏电力有限公司电力科学研究院、国网宁夏电力有限公司检修公司、国网宁夏电力有限公司检修公司、国网宁夏电力有限公司检修公司 |
更多格式 | 高清、无水印(增值服务) |