典型文献
基于GAF-CNN的弓网电弧识别方法研究
文献摘要：
由于高速铁路接触网会产生弓网电弧对弓网系统有危害,为了减少弓网损害.提出一种电流时间序列编码技术,即格拉姆角求和/差分场(GASF/GADF).由于不同受流状态的电流信号不同,其时间序列编码形成的图像也不同,这使得计算机视觉技术可以用于时间序列分类,用来识别弓网电弧.共进行了 5组不同条件下的弓网受流实验,测量得到不同条件下弓网系统中的电流数据,并将弓网实验得到的电流数据的状态分为正常受流状态和电弧受流状态.通过构建神经网络,提取电弧电流信号,以格拉姆角场(GAF)图像的形式直观展示了卷积神经网络(CNN)对弓网电弧数据的抽象特征提取情况.实验结果表明,该方法可在不同条件下准确识别弓网电弧避免视频图像背景变化的问题为弓网电弧故障识别提供一种思路.
文献关键词：
滑动电接触;图像编码;格拉姆角场;卷积神经网络
中图分类号：
作者姓名：
李斌;阎君宇
作者机构：
辽宁工程技术大学电气与控制工程学院 葫芦岛 125105
文献出处：
引用格式：
[1]李斌;阎君宇-.基于GAF-CNN的弓网电弧识别方法研究)[J].电子测量与仪器学报,2022(01):188-195
A类：
B类：
GAF,弓网电弧,电弧识别,高速铁路接触网,弓网系统,网损,流时,列编,编码技术,分场,GASF,GADF,电流信号,得计,计算机视觉技术,时间序列分类,不同条件下,弓网受流,流数据,电弧电流,格拉姆角场,形式直观,观展,抽象特征提取,准确识别,视频图像,电弧故障,故障识别,滑动电接触,图像编码
AB值：
0.364078
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
