《表9 不同类型的破损滤袋的识别结果》

  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

《基于相位敏感型光时域反射仪的袋式除尘器漏袋检测技术》

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

利用上述已经训练好的BP神经网络结构对6种类型的滤袋进行识别．各种破损滤袋及其好袋内的光纤振动信号特征样本各150份，识别结果如表8和表9所示．其中表8表示不同类型滤袋的识别率，表9表示不同类型破袋的识别率．破袋识别率指的是BP神经网络正确识别出来的破袋特征样本数与输入到BP神经网络进行识别的破袋特征总样本数的比值．结果显示，利用类型3滤袋信号特征样本训练出来的BP神经网络可对其它不同类型的滤袋进行有效的识别，并获得较高的平均识别率，同时保持较高的识别稳定性．因此，该方法对各种类型滤袋的模式识别具有一定的通用性，可以有效地减少BP神经网络训练的复杂性，具有很好的工程应用价值．