《表3 故障诊断精度对比：基于BASO—SVM的汽轮机振动故障诊断方法》
提示：宽带有限、当前游客访问压缩模式
为验证本文方法优越性，将BASO优化SVM后分类结果与PSO优化SVM后分类结果、SVM分类结果进行比较，结果见表3。
| 图表编号 | XD00193378800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.30 |
| 作者 | 孙道万、茅大钧、傅望安、钟帆 |
| 绘制单位 | 上海电力大学自动化工程学院、上海电力大学自动化工程学院、华能国际电力股份有限公司玉环电厂、上海电力大学自动化工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 耗时和粒子数对比：基于VMD与GWO优化SVM的轴承故障诊断》2021.01.01
- 《表4 基于SVM的变压器故障诊断结果统计》2020.06.20
- 《表3 SVM参数设置：基于长短期记忆网络的电动汽车电池故障诊断》
- 《表3 故障分类标签表：基于LDA-GA-SVM的船舶电力推进系统故障诊断》2020.08.01
- 《表2 故障诊断方法对比：LDA＿SVM方法在化工过程故障诊断中的应用》2020.04.01
- 《表3 诊断结果的对比表：振动信号分析技术在汽轮机故障诊断中的应用》2020.08.06
- 《表4 分类效果对比：基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》2020.02.20
- 《表6 测试样本特征值：基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》2020.02.20
- 《表5 训练样本特征值：基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》2020.02.20
- 《表2 能量谱频带划分：基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》2020.02.20
- 《表2 测点振动数据：汽轮机转子振动故障诊断》2020.02.01
- 《表1 SVM输出结果：基于振动云图HOG和SVM的变压器绕组松动故障诊断方法》2019.11.16
- 《表3 故障诊断结果：基于PCA-SVM的轴承故障诊断研究》2019.09.05
- 《表3 网络样本特征：基于SVM与SNMP的TRDP网络故障诊断方法研究》2019.07.25
- 《表6 故障诊断结果：基于改进果蝇优化算法优化SVM的模拟电路故障诊断》2019.05.01
- 《表3 UCI数据集：基于改进果蝇优化算法优化SVM的模拟电路故障诊断》2019.05.01
- 《表2 准确率对比：基于SVM的通风系统故障诊断惩罚系数与核函数系数优化研究》2019.04.30
- 《表1 基于时域特征的SVM故障诊断———不考虑故障严重程度》2018.01.01
- 《表2 故障诊断准确率：基于改进布谷鸟算法与SVM的矿用变压器故障诊断》2019.11.20
- 《表3 故障诊断结果：基于深度学习与信息融合的燃气轮机故障诊断》2019.12.08