科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于电力设备的各种缺陷会影响电网的正常运转,严重的缺陷甚至会给生产和生活带来重大损失，因此快速准确地识别电力设备故障具有重要意义.红外图像特征对具有发热特征的电力设备缺陷具有较好的表达能力.使用基于深度学习算法的缺陷目标识别时,借助CNN网络可以提高缺陷故障特征的学习和提取能力,从而具有更好的泛化性能.据此,研究提出了基于改进VGG模型的故障诊断识别算法,算法通过优化全连接层,减少网络的计算量,同时将BCBAM注意力机制嵌套到网络模型中,从而提高算法故障诊断识别准确率.实验数据表明,该模型具有准确的故障识别能力,在准确率评价指标上优于Faster-RCNN、Resnet50以及传统VGG16等模型,从而验证了算法诊断识别故障的准确度.
-
单位天津理工大学; 自动化学院
