基于NLWT系数增强的随机失活CNN电机运行状态检测
为了快速有效地从热像仪采集的温度数据中识别出电机的运行故障,?本文根据随机失活、非线性小波变换系数增强(NLWTCE)和卷积神经网络算法相结合对电机图像进行识别.?首先根据热像仪采集的数据建立电机的图像数据集,?通过非线性小波变换(NLWT)将数据进行图像增强,?然后构建改进的卷积神经网络(ICNN)模型,?将提取的特征作为最终的识别特征来进行图像识别,?最后根据与正常电机图像作比较,?识别出故障的电机图像,?实现了有效、准确的识别故障电机图像与正常电机图像.?实验结果表明,?改进的卷积神经网络模型不仅具有较高的识别准确率,?也进一步简化了提取图像特征的复杂过程.?该方法的有效性和合理性得到了验证,?并适用于工程运用中.
卷积神经网络 (CNN)、随机失活、图像增强、故障识别、结构相似指标
32
TM306;TP393.08;TM732
国家自然科学基金;贵州省科技厅项目;贵州省科技厅项目
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
345-351