摘要
为解决盾构低压电器故障检测中缺乏便捷智能的检测方法和判断依据以及存在流程繁杂且检测效率、准确率、可靠性偏低等问题,提出一种小波包变换和深度学习方法相结合的方法检测盾构低压电器性能指标。以盾构中几种典型低压电气故障为例,采用小波变换的方法提取故障的特征向量,将其作为网络的输入,构建BP神经网络故障诊断网络模型,提出一种可模拟实际工况的检测方法。结果表明:1)通过该算法能够快速、准确地确定盾构中低压电器的故障问题及原因,解决了现有检测装置功能单一、效率低下、无法实现盾构停机状态下对电气系统再制造全拆全检过程超前预判的问题; 2)该检测方法实用性强,能够实现多个电气元件同时检测,且性能稳定,大大提升了工作效率。
- 单位