摘要
在煤炭安全生产过程中,漏电故障作为矿井主要故障之一,具有严重的危害性.目的:为了能够准确稳定识别故障并保护井下设备,提出一种基于深度学习的自动识别方法.方法:为模拟矿井下生产作业环境,首先搭建附加直流电源矿井漏电仿真模型,并利用瞬时对称分量法进行分析,然后根据仿真模型的故障与正常波形的不同特征,提出面向矿井漏电波形图的数据集扩展方法,最后基于深度学习卷积神经网络VGG-Net模型,构建浅层VGG4-Net、VGG7-Net进行故障波形数据自动识别.结果及结论:实验结果表明,文章提出的VGG7-Net模型分类效果较好,表现出较高的准确性与稳定性,其Acc、Pre、Roc、F-1分别达到0.976 8、0.990 8、0.966 5、0.978 5,验证了深度学习模型在矿井漏电检测识别中具有一定的可靠性和可行性.
- 单位