《表1 SVM参数寻优结果和局部放电类型识别准确率》
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
《基于小波包分解和支持向量机的局部放电识别方法研究》
经测试,当非负惩罚因子C为5.278,核函数参数g为0.10882时,分类准确率最高,达到了100%。将最优C和g代入到SVM分类模型中,对局部放电信号进行分类识别。将SVM-Wavelet算法与基于EMD分解的识别方法,以及粒子群和遗传算法参数优化的方法进行比较,测试结果如表1所示,电晕放电和悬浮放电的标签分别为0和1,可以看出,SVM对测试样本的分类识别正确率很高,这说明基于小波包能量谱进行局部放电信号识别的方法是有效的。
图表编号 | XD00169495800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 陈峰、姜伊欣、娄雨靖 |
绘制单位 | 国网浙江杭州市余杭区供电有限公司、国网浙江杭州市余杭区供电有限公司、杭州电子科技大学 |
更多格式 | 高清、无水印(增值服务) |