《表3 不同算法的故障检测所需时间和准确率》

《表3 不同算法的故障检测所需时间和准确率》   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
《EEMD-PE与ELM相结合的输电线路故障检测方法》


  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

本文极限学习机ELM模型的隐含层神经元为200个,sin函数作为隐含层的激活函数,此时ELM的训练精度达到100%[7],在此基础上,用训练信号数据集训练ELM从而得到ELM故障检测模型,再用该模型对测试信号数据集Y进行故障检测,并与BP神经网络(BPNN)[8]、EMD排列熵+ELM[9]两种故障检测方法进行比较,结果见表3。由表3可看出,相比于EMD排列熵+ELM算法,本文算法故障检测准确率更高;而相比于BPNN算法,本文算法故障检测所需时间和准确率均有大幅提升。此外,不同故障状态下,故障平均检测率分别为97.01%、98.36%、97.89%,即本文方法受不同故障工况的影响较小。