《表3 加噪后诊断结果的对比Tab.3 Comparison of diagnostic result after the addition of noises》
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
《综合RapidMiner与改进粒子群极限学习机算法的变压器故障诊断》
为了进一步验证RapidMiner的突出影响因素提取对于变压器故障诊断所带来的抗干扰能力,采用RM-MPSO-ELM模型与MPSO-ELM模型进行对比实验,后者的特征参数同样选择为CH4、C2H4、C2H2,C2H6、H2这5种气体的体积分数;另外,对这5种气体的体积分数分别加入干扰5%、10%、15%,保持所有的公用参数相同,测试得到结果如表3所示,在加入干扰之后,MPSO-ELM诊断模型的总体准确率由87.67%分别下降至78.08%、65.75%、56.16%,分别下降了9.59%、21.92%、31.51%;而RM-MPSO-ELM诊断模型虽然受到了噪音的影响,但是直到加入15%的干扰,准确率才下降了15.07%,足够证明了RapidMiner突出影响因素提取对于提高故障诊断抗干扰能力方面的作用与优势。
图表编号 | XD0030195300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 魏金萧、周步祥、唐浩、张百甫、杨常 |
绘制单位 | 四川大学电气信息学院、四川大学电气信息学院、四川电力设计咨询有限责任公司、四川大学电气信息学院、四川大学电气信息学院 |
更多格式 | 高清、无水印(增值服务) |