《表9 三种算法结果比较Table 9 Comparison of the results of the three algorithms》

  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

《基于粗糙集与粒子群神经网络的变压器故障诊断》

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

依据图3所示流程，需要对这11个特征量进行离散化处理，其中后3个特征量CH4/H2、C2H4/C2H6、C2H2/C2H4按照改良三比值法的编码规则编码。同时，参考此规则的编码值范围，利用SOM算法分别将前9个特征量依次分为3类，即编码（0，1，2）。然后，应用RS理论约简条件属性，继而融合CH4/H2、C2H4/C2H6、C2H2/C2H4，从而得到粒子群神经网络的输入量。本文所采用的RS算法中融合了遗传算法，由于遗传算法易受初始值的影响，故重复实验200次，选取出现概率不小于90%的属性作为最简属性。实验结果显示C2H4/ZT、C2H2/ZT为约简结果，即神经网络的输入量为C2H4/ZT、C2H2/ZT、CH4/H2、C2H4/C2H6、C2H2/C2H4。通常神经网络的输入量为连续属性值，但实验过程中发现输入量为连续属性值时其测试正确率明显低于输入离散属性值时的正确率，因此本文所采用网络的输入量为离散值，如表8所示。以上2种输入值类型的测试结果及改良三比值法测试准确率结果如表9和表10所示。