为对动车组电缆典型故障进行高效、准确评估,提出了一种基于多尺度卷积神经网络的诊断方法。首先人工制作含四种典型缺陷的动车组电缆试样,对其进行局部放电测试,并将采集的局部放电信号去噪;然后将去噪后的局部放电信号导入多尺度卷积神经网络进行深度特征学习;最后通过softmax分类器对电缆故障进行评估。结果表明,针对四种典型的电缆故障,该方法能保持较高识别率,且在识别率和耗费时间方面均优于其他传统故障诊断方法,具有较好的工程应用前景。
科研之友
微信
新浪微博
Facebook
分享链接
