基于卷积神经网络的绝缘子故障识别算法研究

• 作者: 孟格格 高强
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 卷积神经网络 图像分类 核函数相关性 绝缘子 故障识别
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 智能电网
• 页码范围: 30-36
• 页数: 7页
• 分类号: TM216
• 字数: 5341字
• 语种: 中文

摘要

卷积神经网络被广泛应用在图像处理领域,不同算法对网络识别率有较大的影响.基于此,引入小波分解理论,通过BP传播算法以及空间向量理论证明得到,相互独立的特征更能表达原图像的信息.通过小波分解去除卷积核之间的相关性,用较少的卷积核提取图像更独立、全面的特征,以提高网络的识别性能.在MNIST、CIFAR-10和CK标准数据库上进行分类识别实验,实验结果表明,此算法能在不同核函数尺寸的条件下取得较高识别率,且达到与传统算法相同识别率的前提下,所需的训练迭代次数更少,训练时间更短.最后,将该算法应用到绝缘子故障识别中,并取得了良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
2	孟格格	华北电力大学电气与电子工程学院	2	12	2.0	2.0