《表6 变压器故障诊断模型准确率的综合比较》

  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

《基于信息融合和M-RVM的变压器故障诊断方法》

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

(1）以DGA中5种特征气体的相对体积分数作为输入特征向量，分别利用BP神经网络、M-RVM、粒子群算法优化的极限学习机（PSO-ELM）融合动态加权Ada Boost、粒子群混合改进灰狼算法PSO-IG-WO优化混合核极限学习机（KELM）以及M-RVM结合改进DS证据理论这5种模型进行变压器故障诊断，诊断结果如表6所示；