典型文献
基于卷积神经网络自动提取特征的电缆绝缘缺陷识别
文献摘要：
针对电力电缆局部放电信号人工提取特征严重依赖专业经验,易受主观不确定性影响的问题,提出了一种基于卷积神经网络自动提取特征的电缆局放缺陷识别方法.首先采用随机裁剪方法扩充原始样本数据,在此基础上利用滑动时间窗生成局放信号二维图像信息作为网络模型输入.详细研究了卷积层数、池化方式和激活函数等因素对网络识别性能的影响,生成并优化网络结构.方法能够自动提取电缆局部放电二维图像样本的深层特征,在识别准确率和鲁棒性方面效果突出.试验数据表明,系统对4种典型局放缺陷的总体识别率达到了96％,相比于支持向量机和反向传播神经网络等经典方法,分别提高了3.2％和6.0％,具有良好的应用前景.
文献关键词：
随机裁剪;卷积神经网络;局部放电图像;缺陷识别;特征提取
中图分类号：
作者姓名：
王艺璇
作者机构：
长沙理工大学电气与信息工程学院,湖南长沙 410114
文献出处：
引用格式：
[1]王艺璇-.基于卷积神经网络自动提取特征的电缆绝缘缺陷识别)[J].电气自动化,2022(02):29-31,34
A类：
局部放电图像
B类：
自动提取,提取特征,电缆绝缘缺陷,缺陷识别,电力电缆,局部放电信号,主观不确定性,局放,随机裁剪,滑动时间窗,二维图像,图像信息,模型输入,卷积层,层数,池化,激活函数,识别性,像样,深层特征,识别准确率,识别率,反向传播神经网络,经典方法
AB值：
0.301655
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。
