典型文献
基于非对称卷积神经网络的电弧故障检测系统
文献摘要：
串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作.根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息.针对串联电弧故障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息.之后,为了不增加时间开销,同时改善模型的识别效能,使用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型.最后,利用容器封装已训练好的故障识别模型,实现故障信息的快速分析.验证表明,所提方法对串联电弧故障的识别率达到99.95％,具有良好的识别效果.
文献关键词：
串联电弧故障检测;格拉姆角差场;残差神经网络;适应性非对称卷积;多通道注意力机制;在线检测系统
中图分类号：
作者姓名：
张婷;张认成;杨凯
作者机构：
华侨大学机电及自动化学院 厦门 361021
文献出处：
引用格式：
[1]张婷;张认成;杨凯-.基于非对称卷积神经网络的电弧故障检测系统)[J].电子测量与仪器学报,2022(11):116-125
A类：
适应性非对称卷积,多通道注意力机制
B类：
非对称卷积神经网络,故障检测系统,电气火灾,有效检测,电气设备,识别模型,故障信息,故障种类,信息隐蔽,格拉姆角差场,数据处理方法,负载模拟,时域信号,极坐标变换,射到,二维矩阵,故障数据,据点,占有率,数据关联,联信,加时,开销,机制改进,残差神经网络,低压线路,故障模型,封装,练好,故障识别,快速分析,识别率,串联电弧故障检测,在线检测系统
AB值：
0.2488
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。
