基于深度信念网络的高压断路器故障识别算法

被引：45

作者：

朱萌 ^{[1
]}

梅飞 ^{[2
]}

郑建勇 ^{[1
]}

沙浩源 ^{[1
]}

戴永正 ^{[3
]}

顾宇锋 ^{[3
]}

机构：

[1] 东南大学电气工程学院

[2] 河海大学能源与电气学院

[3] 江苏南瑞泰事达电气有限公司

来源：

电测与仪表 | 2019年 / 02期

基金：

中国博士后科学基金;

关键词：

断路器; 故障诊断; 深度信念网络; DBN; 受限玻尔兹曼机;

D O I：

暂无

中图分类号：

TM561 [断路器];

学科分类号：

080508 [光电信息材料与器件];

摘要：

针对高压断路器故障现有故障诊断算法中,特征提取不准确导致分类正确率较低的问题,提出了基于深度信念网络的高压断路器故障识别方法。深度信念网络(Deep Belief Network,DBN)是非监督的深度神经网络,由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加起来组成。首先使用无标签的数据样本自下而上的对各RBM层逐层训练,得到各层最优参数;再以此为初始参数将DBN展开成反向传播的结构,使用带标签的数据样本进行全局的参数微调;最后得到DBN分类网络。这一过程中,有效避免了特征提取的人工操作,解决了网络训练的局部最优问题,使断路器故障诊断更加智能化。通过试验结果可知,该方法可准确、可靠地用于诊断断路器主要机械故障。

引用

页码：10 / 15+46 +46

页数：7

共 12 条

[1]

基于卷积神经网络的变压器故障诊断方法 [J].