《表4 特征参数样本Tab.4 Feature parameter samples》
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
《基于小波神经网络与KNN机器学习算法的六相永磁同步电机故障态势感知方法》
可以发现经过51 005组样本的测试,决策树和KNN算法都具有较高的精确率,可以较好的对于故障类型进行识别,但KNN算法用时不到决策树的一半,对于SVM向量机精确率不高且用时最长,虽然逻辑回归算法用时最短,但准确率不到2成,不具有对于故障分类的能力。为了进一步验证系统的性能,构造6组原测试集参数范围外的样本,具体参数如表4所示。
图表编号 | XD0029700300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 张昊宇、姚钢、殷志柱、周荔丹 |
绘制单位 | 上海交通大学电力传输与功率变换控制教育部重点实验室、上海交通大学电力传输与功率变换控制教育部重点实验室、上海电气集团中央研究院、上海交通大学电力传输与功率变换控制教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |