典型文献
基于CNN的三相逆变器开路故障诊断及其样本条件分析
文献摘要：
为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation,BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network,CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势.结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断.
文献关键词：
电能变换装置;逆变器;故障诊断;开路故障;深度学习;卷积神经网络;样本条件
中图分类号：
作者姓名：
申皓澜;唐欣;罗毅飞;肖飞;艾胜;樊亚翔
作者机构：
海军工程大学 舰船综合电力技术国防科技重点实验室,湖北 武汉 430033
文献出处：
引用格式：
[1]申皓澜;唐欣;罗毅飞;肖飞;艾胜;樊亚翔-.基于CNN的三相逆变器开路故障诊断及其样本条件分析)[J].国防科技大学学报,2022(06):163-172
A类：
电能变换装置
B类：
三相逆变器,开路故障,样本条件,智能化方法,反向传播,back,propagation,权值,局部信息,信息提取,convolutional,neural,network,故障诊断方法,电平,样本数量,数量变化,诊断准确率,诊断模型,少训练,训练样本
AB值：
0.262993
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。
