文档名：基于改进的AlexNet模型的家用负载电弧检测
摘要：传统的电弧检测方法依赖人工设定阈值,存在误判的可能性,以及检测成功率不高等问题,提出了一种基于改进Alexnet深度学习卷积模型的电弧故障检测方法;该方法使用Adam算法代替SDG算法作为优化算法,加快模型的收敛速度,引入批量归一化算法,对数据进行归一化处理,改变卷积核的大小,减少网络参数数目.采用短时傅里叶变换(STFT)提取正常和故障时的电流信号时频信息,构建电流信号的时频图作为改进模型的输入,通过该改进的Alexnet模型实现电弧故障的检测.经过验证,该改进的模型电弧故障识别准确率能达到98％,并优于其他比较方法.
作者：李斌 杨亦航Author：LIBin YANGYihang
作者单位：辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(12)
分类号：TM501
关键词：电弧故障检测 时频图 Alexnet Adam 批量归一化
Keywords：Arcfaultdetection time-frequencydiagram Alexnet Adam Batchnormalization
机标分类号：TM501+.2TP391.41TN911.7
在线出版日期：2024年2月23日
基金项目：国家自然科学基金，辽宁工程技术大学生产技术问题创新研究基金项目基于改进的AlexNet模型的家用负载电弧检测[
期刊论文] 传感技术学报--2023, 36(12)李斌 杨亦航传统的电弧检测方法依赖人工设定阈值,存在误判的可能性,以及检测成功率不高等问题,提出了一种基于改进Alexnet深度学习卷积模型的电弧故障检测方法;该方法使用Adam算法代替SDG算法作为优化算法,加快模型的收敛速度,引入...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进的AlexNet模型的家用负载电弧检测 Household Load Arc Detection Based on Improved Alexnet Mode
基于改进的AlexNet模型的家用负载电弧检测.pdf
- 文件大小:
- 1.78 MB
- 下载次数:
- 60
-
高速下载
|
