《表2 两种方法信号识别的准确率对比》

  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

《基于变分模态分解和多尺度散布熵的放电特征提取》

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

为了证明VMD-MDE方法的有效性，对采集的局部放电信号加入5d B的高斯白噪声，随机抽取300个样本（3种放电类型各随机抽取100个）分别进行VMD-MDE和EMD-MDE特征提取。采用PNN进行模式识别，PNN是一种根据Bayes决策规则，从多维输入空间内分离决策空间而使得风险最小的模式聚类识别的智能算法，其以高斯函数作为神经元基函数利用Parzen窗法进行估计得到概率密度函数，然后和贝叶斯最小风险准则结合而发展来的。PNN训练快、收敛快，并且对非线性函数逼近能力强[16-18]。通过PNN识别后的准确率对比如表2所示。