《表4 不同学习算法诊断准确率比较》
为了验证RF分类器在微小故障诊断问题上的优势,本文选择了3种对比性方法,包括:应用较为广泛的贝叶斯网络,SVM算法,以及作者早期开发并已在广州地铁正线上成功应用的基于K-means聚类的故障诊断算法。其中,SVM采用C-SVM,K-means中选择类簇数K=7。图9~11所示为3种方法基于原始特征集的诊断结果,图12~14所示为3种方法基于最优特征子集的诊断结果,其中,RF分类器、贝叶斯、SVM和K-means的诊断准确率如表4所示。结果可知,使用最优特征集后,几种算法的准确率都得到提高,其中RF分类器的诊断准确率达到了98%,而其余3种算法的准确率均没有达到90%。通过和其余3种算法的诊断结果进行对比可知,在相同样本数据的条件下,无论是否进行特征选择,RF分类器都具有明显的优越性,使用RF分类器进行微小故障诊断可以获得更精确的诊断结果。
图表编号 | XD0097369700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 施文、陆宁云、姜斌、支有冉、许志兴 |
绘制单位 | 南京航空航天大学自动化学院、南京康尼机电股份有限公司、南京航空航天大学自动化学院、南京康尼机电股份有限公司、南京航空航天大学自动化学院、南京康尼机电股份有限公司、南京康尼机电股份有限公司 |
更多格式 | 高清、无水印(增值服务) |