堆叠自动编码器与S变换相结合的电缆早期故障识别方法

摘要：

将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器(SAE)的电缆早期故障识别方法.通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段.求取对应频段的能量熵和奇异熵等特征量,并组成特征向量后,将时频域特征向量作为SAE网络的输入,经过预训练和参数微调,得到最优训练参数.利用构建好的网络从输入数据中挖掘有用信息,从大量扰动中识别电缆早期故障.仿真结果表明,与传统模式识别方法相比,所提方法的精度更高.

关键词：电缆、电缆早期故障、S变换、奇异熵、能量熵、深度学习、堆叠自动编码器

所属期刊栏目：38

分类号：TM247(电工材料)

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：117-124