《表2 数据集分配表：基于IAFSA-SVM的岸电箱断路器故障诊断》
提示：宽带有限、当前游客访问压缩模式
本文收集了包含6种状态的断路器故障合集，其中训练集样本20组，测试集样本11组，其具体分配如表2所示。
| 图表编号 | XD0067402900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 杨奕飞、焦文文、何祖军、张发平、郭江 |
| 绘制单位 | 江苏科技大学电子信息学院、江苏科技大学电子信息学院、江苏科技大学电子信息学院、江苏中智海洋工程装备有限公司、江苏中智海洋工程装备有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 试验数据集：基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断》2020.09.01
- 《表2 两种方法数据对比：基于VMD参数优化和样本熵的低压断路器故障诊断》2021.02.25
- 《表1 部分数据样本：基于VMD参数优化和样本熵的低压断路器故障诊断》2021.02.25
- 《表2 数据集分配表：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表2 电池故障数据集：基于长短期记忆网络的电动汽车电池故障诊断》
- 《表2 特征重要度排序：基于多特征选择方法的高压断路器故障诊断》2020.06.16
- 《表1 采集故障特征数据：基于RST-SOM的高压断路器故障诊断》2020.03.16
- 《表5 三种方法的比较：基于粗糙集神经网络和振动信号的高压断路器机械故障诊断》2020.01.25
- 《表3 政府规定的岸电服务费》2019.09.30
- 《表2 实验数据样本集：LF-PSO优化神经网络的高压断路器机械故障诊断》2019.10.18
- 《表2 标准数据集：基于极限学习机的船舶柴油机故障诊断》2019.08.01
- 《表2 测试数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表1 训练数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表1 电箱参数：某轮岸电箱改造及节能管理》2019.02.15
- 《表2：某轮岸电箱改造及节能管理》2019.02.15
- 《表1 故障数据样本：基于自组织映射神经网络对低压断路器的故障诊断》2019.02.25
- 《表2 故障类型：基于自组织映射神经网络对低压断路器的故障诊断》2019.02.25
- 《表2 训练集数据描述：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表1 水泵故障数据集：基于超限学习机的煤矿井下水泵故障诊断研究》2019.02.01
- 《表2 样本故障数据集：基于多源信息融合的电力变压器故障诊断方法研究》2018.10.01