基于优化卷积神经网络的电缆早期故障分类识别
准确识别电缆早期故障是及时消除故障隐患的必要前提.提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障.通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系.为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络.仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值.
电缆早期故障、卷积神经网络、深度学习、分类识别、修正损失函数
48
国家自然科学基金项目资助51807126
2020-05-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
10-18