典型文献
基于声信号和一维卷积神经网络的绝缘子污秽度监测方法研究
文献摘要：
针对高压输电线路污秽绝缘子放电模式监测,设计一种新型的一维卷积神经网络结构(1D-CNN),提出一种基于声发射信号和1D-CNN的污秽绝缘子放电模式监测方法.将实验室采集到的不同放电状态下的声发射信号经过预处理后,利用卷积神经网络对放电信号样本进行自适应特征提取和特征降维,以减少训练模型参数和计算量,最终使用Softmax函数对预测结果进行分类.识别结果表明模型能够达到99.84％以上的识别率,减少了传统绝缘子污秽度监测方法中人工对数据进行预处理的过程,可有效应用于污秽绝缘子放电模式监测任务.
文献关键词：
污秽绝缘子放电;卷积神经网络;声发射信号;故障诊断;深度学习
中图分类号：
作者姓名：
李振华;李浩;黄景光;张磊;吴琳
作者机构：
三峡大学, 湖北 宜昌443002;国网湖北省电力有限公司技术培训中心, 湖北 武汉430014
文献出处：
引用格式：
[1]李振华;李浩;黄景光;张磊;吴琳-.基于声信号和一维卷积神经网络的绝缘子污秽度监测方法研究)[J].湖南电力,2022(04):18-22
A类：
污秽绝缘子放电
B类：
声信号,一维卷积神经网络,监测方法,高压输电线路,放电模式,神经网络结构,1D,声发射信号,放电状态,电信号,自适应特征提取,特征降维,少训练,训练模型,计算量,终使,Softmax,识别率,有效应用
AB值：
0.200477
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。
