为了充分利用变压器油中溶解气体含量的特征信息,提高故障诊断准确率,提出基于深度收缩自编码器(DCAE)与支持向量机(SVM)相结合的故障诊断方法。使用无标签样本数据对收缩自编码器进行逐层训练学习,获取到高层特征表示并确定网络结构参数;通过用有标签样本数据对DCAE-SVM网络进行微调,确定最优网络参数并完成故障诊断。实验结果表明,该混合模型故障诊断精度较高、鲁棒性强。
科研之友
微信
新浪微博
Facebook
分享链接
