期刊信息
主管单位:中华人民共和国教育部
主办单位:重庆大学
主 编:王时龙
地 址:重庆市沙坪坝正街174号
邮政编码:400030
电 话:
电子邮件:xbsg@cqu.edu.cn
国际标准刊号:ISSN 1000-582X
国内统一刊号:CN 50-1044/N
邮发代号:国内78-16 国外 M355
|
结合GAF与CNN的操动机构弹簧储能状态智能辨识 |
投稿时间:2022-03-17 修订日期:2022-07-14 |
关键词:断路器, 卷积神经网络, 弹簧储能状态, 格拉姆角场 |
基金项目:浙江省自然科学基金(LQ21E050003) |
|
摘要点击次数: 1066 |
全文下载次数: 0 |
摘要: |
操动机构弹簧储能状态的鲁棒辨识对于保障断路器服役性能有着重要的意义。然而如何建立起采样信号与弹簧储能状态之间的映射关系依然是制约其广泛应用的关键。针对这一问题,结合格拉姆角场(gramian angular field, GAF)与卷积神经网络(convolutional neural network, CNN),提出了一种弹簧储能状态智能辨识方法,并成功应用于断路器操动机构。该方法采用格拉姆角场将采集到的时域信号进行二维化处理,并利用其进行操动机构动态特性演化过程的追踪。断路器操动机构状态辨识实验验证了所提出的智能诊断方法有效性(识别成功率接近100.00%),为断路器在役状态的鲁棒识别提供一种可能。 |
|
查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.