检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

结构优化深度网络的高压断路器机械故障诊断

姜楠, 罗林, 王乔, 侯维

辽宁石油化工大学学报 2023, 43 (3): 91-96. DOI: 10.12422/j.issn.1672-6952.2023.03.015

摘要（133）

HTML （3）

PDF （1609KB）（113）

高压断路器操作过程中的振动信号反映断路器的机械状态。针对基于浅层的振动信号分析模型的特征提取及故障诊断精度等方面存在的不足,提出了一种基于遗传算法优化的卷积神经网络高压断路器故障诊断方法。利用遗传算法的全局寻优能力,通过遗传算法的选择、交叉和变异等操作获得最优初始网络结构参数及全连接层神经元数等，进而优化卷积神经网络,并将优化后的卷积神经网络应用于高压断路器的故障诊断。结果表明,所提方法的诊断性能优于未进行优化的卷积神经网络、动态支持向量机和多层感知机。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

面向电力变压器油中溶解气体的卷积神经网络诊断方法

裴小邓，罗林，陈帅，王乔

辽宁石油化工大学学报 2020, 40 (5): 79-85. DOI: 10.3969/j.issn.1672-6952.2020.05.014

摘要（294）

HTML

PDF （2115KB）（161）

油中溶解气体分析法（Dissolved Gas Analysis，DGA）是判断变压器内部故障的重要方法之一。针对传统基于浅层的机器学习方法在变压器故障诊断中存在的特征提取和泛化能力方面的不足，提出了一种基于卷积神经网络的变压器故障诊断方法。利用网络中的卷积层对油中溶解气体进行特征转换，结合池化层强化重要特征的能力，对故障敏感特征进行提取。通过实验研究了卷积核数目、卷积核大小、池化层、网络深度对模型诊断性能的影响。通过混淆矩阵、ROC曲线和PR曲线对比分析了卷积神经网络模型、支持向量机(Support Vector Machine，SVM) 模型、BP神经网络(Back Propagation Neural Network，BPNN)模型。实验结果表明，卷积神经网络模型的诊断性能更为优秀。