科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的电弧检测方法依赖人工设定阈值，存在误判的可能性，以及检测成功率不高等问题，提出了一种基于改进Alexnet深度学习卷积模型的电弧故障检测方法；该方法使用Adam算法代替SDG算法作为优化算法，加快模型的收敛速度，引入批量归一化算法，对数据进行归一化处理，改变卷积核的大小，减少网络参数数目。采用短时傅里叶变换(STFT)提取正常和故障时的电流信号时频信息，构建电流信号的时频图作为改进模型的输入，通过该改进的Alexnet模型实现电弧故障的检测。经过验证，该改进的模型电弧故障识别准确率能达到98%,并优于其他比较方法。
- 单位
