典型文献
基于域对抗迁移卷积神经网络的小样本GIS绝缘缺陷智能诊断方法
文献摘要：
近年来,数据驱动的人工智能模型在气体绝缘组合电器(GIS)绝缘缺陷诊断上取得了一定突破.然而,这些以海量实验数据构建的模型难以部署到现场复杂工况和小样本条件下,导致现有诊断方法现场应用困难.为了解决现场制约传统诊断方法应用的数据匮乏难题和现有诊断模型现场应用困难的问题,该文提出了一种新颖的域对抗迁移卷积神经网络用于小样本下的GIS绝缘缺陷智能诊断.首先,以自动寻优构建的卷积神经网络从缺陷样本中学习可迁移绝缘缺陷表征特征,自动寻优构建方法在减少网络构建过程人为干预的同时,有效提升了网络精度等多方面性能.然后,引入域对抗迁移学习,实现海量数据(源域)下训练模型到复杂工况和小样本(目标域)下的迁移,以提升诊断准确率.通过对抗训练方法学习类边界表征特征和域空间表征特征,实现了诊断知识的迁移.在域对抗训练中引入两个领域分类器来进行决策边界域空间的对齐,获得了更合适的特征匹配.在实验室和现场实验验证中,所提方法在目标域下分别达到了99.35％和90.35％的诊断准确率.结果表明,该方法可以有效学习可迁移特征,实现小样本GIS绝缘缺陷的高精度、鲁棒性诊断.
文献关键词：
气体绝缘组合电器;域对抗迁移学习;卷积神经网络;小样本;智能诊断
中图分类号：
作者姓名：
王艳新;闫静;王建华;耿英三;刘志远
作者机构：
电力设备电气绝缘国家重点实验室(西安交通大学) 西安 710049
文献出处：
引用格式：
[1]王艳新;闫静;王建华;耿英三;刘志远-.基于域对抗迁移卷积神经网络的小样本GIS绝缘缺陷智能诊断方法)[J].电工技术学报,2022(09):2150-2160
A类：
域对抗迁移学习
B类：
小样本,绝缘缺陷,智能诊断方法,人工智能模型,气体绝缘组合电器,缺陷诊断,复杂工况,样本条件,现场应用,传统诊断,数据匮乏,诊断模型,可迁移,缺陷表征,构建方法,网络构建,构建过程,人为干预,海量数据,源域,训练模型,目标域,诊断准确率,对抗训练,训练方法,方法学,空间表征,分类器,决策边界,边界域,对齐,更合,特征匹配,现场实验,有效学习,迁移特征
AB值：
0.254252
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。
