基于深度信念网络的高压断路器故障识别算法

• 作者: 戴永正 朱萌 梅飞 沙浩源 郑建勇 顾宇锋
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 断路器 故障诊断 深度信念网络 DBN 受限玻尔兹曼机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 10-15,46
• 页数: 7页
• 分类号: TM561
• 字数: 4247字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.02.002

摘要

针对高压断路器故障现有故障诊断算法中,特征提取不准确导致分类正确率较低的问题,提出了基于深度信念网络的高压断路器故障识别方法.深度信念网络(Deep Belief Network,DBN)是非监督的深度神经网络,由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加起来组成.首先使用无标签的数据样本自下而上的对各RBM层逐层训练,得到各层最优参数;再以此为初始参数将DBN展开成反向传播的结构,使用带标签的数据样本进行全局的参数微调;最后得到DBN分类网络.这一过程中,有效避免了特征提取的人工操作,解决了网络训练的局部最优问题,使断路器故障诊断更加智能化.通过试验结果可知,该方法可准确、可靠地用于诊断断路器主要机械故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建勇	东南大学电气工程学院	272	4359	35.0	50.0
2	沙浩源	东南大学电气工程学院	9	31	3.0	5.0
3	梅飞	河海大学能源与电气学院	22	105	5.0	9.0
4	戴永正		8	54	5.0	7.0
5	顾宇锋		6	49	4.0	6.0
6	朱萌	东南大学电气工程学院	2	10	1.0	2.0