《表5 SVM含无训练样本类型故障识别结果》
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Tsallis熵与层次化混合分类器的含未知故障断路器机械故障诊断》
为比较多分类器分类效果,采用ELM与SVM对正常状态和含无训练样本类型故障的3种故障类型进行实验分析。采用新方法提取Tsallis熵特征时,以润滑不足为无训练样本故障状态。4种信号中正常样本20组,3种故障状态各10组,2种多分类器分类结果如表4、表5所示,表中数据为测试样本被正确识别的样本数。
图表编号 | XD0051115400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.31 |
作者 | 黄南天、王斌、蔡国伟、郑检、方立华 |
绘制单位 | 东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室、东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室、东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室、国网江西省电力有限公司、东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |