基于NLWT系数增强的随机失活CNN电机运行状态检测

作者：龙慧; 马家庆^*; 吴钦木; 何志琴; 陈昌盛; 覃涛

来源：计算机系统应用, 2023, 32(03): 345-351.

DOI：10.15888/j.cnki.csa.009009

• 卷积神经网络(CNN)
• 随机失活
• 图像增强
• 故障识别
• 结构相似指标

为了快速有效地从热像仪采集的温度数据中识别出电机的运行故障,本文根据随机失活、非线性小波变换系数增强(NLWTCE)和卷积神经网络算法相结合对电机图像进行识别.首先根据热像仪采集的数据建立电机的图像数据集,通过非线性小波变换(NLWT)将数据进行图像增强,然后构建改进的卷积神经网络(ICNN)模型,将提取的特征作为最终的识别特征来进行图像识别,最后根据与正常电机图像作比较,识别出故障的电机图像,实现了有效、准确的识别故障电机图像与正常电机图像.实验结果表明,改进的卷积神经网络模型不仅具有较高的识别准确率,也进一步简化了提取图像特征的复杂过程.该方法的有效性和合理性得到了验证,并适用于工程运用中.

• 单位
  贵州大学