《表6 支持向量机及BP神经网络模型训练结果》

  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

《基于多特征融合神经网络的串联电弧故障识别技术》

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

从试验数据中选择340组电流数据样本，其中故障数据和正常数据样本各170组，以8:2的比例将数据划分为训练集和验证集输入BP神经网络以及支持向量机（support vector machine，SVM）分类器进行训练。SVM模型类似于一个3层前馈神经网络，其核函数采用的是Gauss核函数RBF，并采用交叉验证的方法选择SVM分类器的核函数参数b和惩罚参数c。经过SVM模型训练，可以得到最佳的参数b=0.035 897和c=0.870 55，其准确率为94.12%。BP神经网络由输入层、隐藏层和输出层3层构成，利用db5小波变换将电弧电流信号进行4层分解后构造能量谱特征向量作为BP神经网络的输入，其神经网络拓扑结构为5×8×4，通过模型训练可以得到其准确率为88.23%。SVM及BP神经网络模型的训练结果如表6所示。