【《基于ERM-SVM光伏并网逆变器故障诊断模型分析案例》2800字】_第1页
【《基于ERM-SVM光伏并网逆变器故障诊断模型分析案例》2800字】_第2页
【《基于ERM-SVM光伏并网逆变器故障诊断模型分析案例》2800字】_第3页
【《基于ERM-SVM光伏并网逆变器故障诊断模型分析案例》2800字】_第4页
【《基于ERM-SVM光伏并网逆变器故障诊断模型分析案例》2800字】_第5页
已阅读5页，还剩6页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于ERM-SVM光伏并网逆变器故障诊断模型分析案例目录TOC\o"1-3"\h\u7362基于ERM-SVM光伏并网逆变器故障诊断模型分析案例 [46]进行对比分析。图1.8至图1.11分别为传统BP神经网络分类方法对测试样本Test1、Test2、Test3、Test4的故障诊断结果。图1.8测试样本Test1BP神经网络的故障诊断结果Fig1.8BPneuralnetworkfaultdiagnosisresultofTest1samples图1.9测试样本Test2BP神经网络的故障诊断结果Fig1.9BPneuralnetworkfaultdiagnosisresultofTest2samples图1.10测试样本Test3BP神经网络的故障诊断结果Fig1.10BPneuralnetworkfaultdiagnosisresultofTest3samples图1.11测试样本Test4BP神经网络的故障诊断结果Fig1.11BPneuralnetworkfaultdiagnosisresultofTest4samples将SVM分类器与BP神经网络故障诊断结果列于表1.1中：表1.1故障诊断的正确率Tab1.1Accuracyrateoffaultdiagnosis故障诊断方法故障诊断的正确率（%）Test1Test2Test3Test4SVM10010097.2790.91BP10093.6486.8261.55由表1.1及上述图1.4至图1.11，可以看出，随着外界干扰噪声强度的增大，两种故障诊断方法的正确率均有所下降，但SVM分类方法准确率下降幅度相对较小。通过与BP神经网

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论