《表5 故障漏报率对比：基于动态特征矩阵的k近邻风电机组故障检测方法》

  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

《基于动态特征矩阵的k近邻风电机组故障检测方法》

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

将DFM-Wk NN对各故障的检测结果与PCA、KPCA、FD-k NN以及PCA-k NN进行对比，其中各算法的阈值设定均为95%的置信度，对PCA与KPCA均同时采用Q统计量与T2统计量。在对各故障的检测中，计算测试数据前500样本的误报率以及后700个样本出现的漏报率。表5所示为对比算法对各故障的漏报率对比结果，表6所示为对比算法对各故障的误报率对比结果。