典型文献
基于LSTM神经网络的漏缆故障定位算法
文献摘要：
泄漏电缆会随着使用时间而老化导致传输性能下降,加之人为因素也会造成电缆受损,因此迫切需要对漏缆故障进行在线监测和故障高精度定位.本文提出了一种基于长短期记忆网络(long short-term memory,LSTM)的漏缆故障定位神经网络模型,该模型以时频域反射法(time-frequency domain reflectometry,TFDR)作为实验信号获取数据集,以LSTM网络增强对特征的提取.首先通过对漏缆进行等效电路建模实现数据集的获取,解决了数据来源少、模型训练困难的问题,以TFDR信号作为实验信号,特征更加丰富,并使用LSTM提取时频信号的特征.采用仿真数据与实际数据对模型进行验证测试.实验结果表明,该模型在故障定位上表现良好,定位误差优于 TFDR、卷积神经网络(Convolutional Neural Networks,CNN)和全连接神经网络(fully connected neural network,FCN).
文献关键词：
神经网络;漏缆监测;长短期记忆网络(LSTM);时频域反射法(TFDR)
中图分类号：
作者姓名：
高文笃;刘太君;吴绍精;叶焱;许高明;谢晋雄
作者机构：
宁波大学信息科学与工程学院 浙江宁波 315211;深圳检验检疫科学研究院 广东深圳 518010
文献出处：
引用格式：
[1]高文笃;刘太君;吴绍精;叶焱;许高明;谢晋雄-.基于LSTM神经网络的漏缆故障定位算法)[J].数据通信,2022(03):45-49
A类：
TFDR
B类：
故障定位,定位算法,泄漏电缆,使用时间,传输性能,性能下降,之人,人为因素,在线监测,高精度定位,长短期记忆网络,long,short,term,memory,时频域,频域反射法,frequency,domain,reflectometry,信号获取,获取数据,特征的提取,等效电路,电路建模,数据来源,模型训练,时频信号,仿真数据,实际数据,验证测试,定位误差,Convolutional,Neural,Networks,全连接神经网络,fully,connected,neural,network,FCN,漏缆监测
AB值：
0.37441
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。
