《表6 不同方法的训练时间及精度对比》
每种算法对每组数据都处理30次,求出均值和标准差。由表6可知相比其他算法,AT-KELM算法在故障数据集上具有更好的预测精度以及较短的训练时间。AT-ELM的训练时间与AT-KELM较为接近,但是预测精度较差。虽然SPO-SVM的预测精度与本文算法较为接近,但训练时间远远大于本文算法。因此,将本文算法应用于变压器故障诊断,取得了良好的试验结果,验证了本文算法的有效性。
图表编号 | XD005816500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.25 |
作者 | 曹文彬、王先培、田猛、赵乐、姚鸿泰、赵浩程 |
绘制单位 | 武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |