《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》

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。