《表1 模型性能比较:基于多尺度特征能量-核极限学习机的双循环流化床气流堵塞故障智能诊断》
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
《基于多尺度特征能量-核极限学习机的双循环流化床气流堵塞故障智能诊断》
在采用基于变分模态分解-样本熵(VMD-SE)、小波分解-样本熵(WD-SE)、变分模态分解-特征能量(VMD-FE)、小波分解-特征能量(WD-FE)四种特征提取方法计算各样本的特征向量时,由于a9和IMF1分别为WD和VMD的趋势项,其在特征向量中分布较大,对其他尺度特征量的表征造成影响,因此在本文计算特征时去除该尺度特征量。将其他尺度特征向量作为模型输入,分别进行核极限学习机的训练和测试。此外,为验证模型有效性,本文与其他学者所建立的BPNN[34]、SVM[35]、ELM[36]等单一模型进行比较,各模型性能见表1。
图表编号 | XD0064592300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 杨新、麻哲瑞、申赫男、陈鸿伟 |
绘制单位 | 河北工程大学水利水电学院、华北电力大学电站设备状态监测与控制教育部重点实验室、华北电力大学电站设备状态监测与控制教育部重点实验室、河北工程大学水利水电学院、华北电力大学电站设备状态监测与控制教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |