基于改进半监督阶梯网络的有载分接开关故障诊断方法

基于改进半监督阶梯网络的有载分接开关故障诊断方法
有载分接开关(on-load tap changer，OLTC)是变压器实现有载调压的关键部件，具有复杂的机电结构。基于振动信号的OLTC机械故障诊断目前存在样本标记难度高而难以有效训练的难题。文中提出一种基于贝叶斯优化和卷积算子改进的阶梯网络(Bayesian optimization-convolutional ladder networks，BO-ConvLN)，可在少标签情况下提高OLTC机械故障诊断的精度。首先，引入阶梯网络对振动信号进行半监督学习，充分利用大量无标签样本的潜在信息对特征提取过程进行指导，提升少标签情况下阶梯网络的诊断性能。然后，用卷积算子替代阶梯网络中的全连接形式的线性变换，增强阶梯网络对非平稳振动信号的特征提取能力。在此基础上，借助贝叶斯优化对阶梯网络高维超参数进行寻优，在有限时间成本下显著提升了模型的诊断精度。实验结果显示，在仅有40个标签的情况下，对传动卡涩、芯子润滑不足、顶盖松动3类故障的诊断精度达91.67%，证明了BO-ConvLN在故障诊断中的有效性。

标题：
基于改进半监督阶梯网络的有载分接开关故障诊断方法
Fault diagnosis method for OLTC based on improved semi-supervised ladder networks

作者：
郑尚直，仲林林，王同磊，高丙团
ZHENG Shangzhi, ZHONG Linlin, WANG Tonglei, GAO Bingtuan

关键词：
有载分接开关(OLTC);故障诊断;振动信号;阶梯网络;半监督学习;贝叶斯优化
on-load tap changer (OLTC);fault diagnosis;vibration signals;ladder networks;semi-supervised learning;Bayesian optimization

2025-1-23 19:57 上传 基于改进半监督阶梯网络的有载分接开关故障诊断方法.pdf

文件大小:

12.86 MB

下载次数:

60

高速下载