《表2 训练样本权重分布Tab.2 Weight distribution of training 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

《优选小波包和AdaBoost-SVM的柔性直流输电变流器故障诊断》

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

将上述随机选取的220组作为AdaBoost-SVM模型的训练样本，剩余的220组作为测试样本，利用鸟群算法迭代寻优确定最佳参数C和σ，得出最优惩罚系数C=73.549 9和σ=1.310 2。初始训练样本权值D0（t）=0.004 5，通过10次迭代，每次迭代的训练样本权重如表2所示。基分类器的权重受训练样本分类误差的影响，基分类器权重大，说明该基分类器的训练精度高，故障识别率高，且在强分类器中占主导地位，反之该分类器的训练精度差，故障识别率低，则在强分器中的地位就低，基分类器权重如表3所示。基于优选小波包分解和鸟群算法优化的AdaBoost-SVM算法的故障诊断分类如图5所示，一共220个测试样本的预测分类结果与实际输出结果的标记在图中完全重合，即故障识别率达到了100%。