電力設(shè)備是關(guān)系到國計(jì)民生的重要設(shè)備,其運(yùn)行狀態(tài)的穩(wěn)定對(duì)經(jīng)濟(jì)、安全影響嚴(yán)重。所以對(duì)電力設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)與故障診斷具有重要意義。由于電力設(shè)備現(xiàn)場(chǎng)環(huán)境復(fù)雜,在判斷上存在較大困難。如何提取故障特征成為判斷的關(guān)鍵。這些描述特征需要人為提取,適應(yīng)性很差,并且在識(shí)別中需要豐富的信號(hào)處理專業(yè)知識(shí),并且要求技術(shù)人員有較強(qiáng)的與設(shè)備故障相關(guān)的專業(yè)知識(shí)。另外,大量隨機(jī)因素的存在導(dǎo)致誤判可能性加大。為了提高識(shí)別率,減少故障診斷對(duì)人為因素的依賴,本文采用了卷積神經(jīng)網(wǎng)絡(luò)的Faster R-CNN,對(duì)電力設(shè)備信號(hào)直接進(jìn)行特征提取和識(shí)別,并且對(duì)設(shè)備不同運(yùn)行狀態(tài)的故障進(jìn)行測(cè)試,優(yōu)于傳統(tǒng)方法。主要研究工作和成果歸納如下:(1)針對(duì)信號(hào)采集中的噪聲信號(hào)處理問題,本論文采用了一種交叉小波變換的提取方法。在時(shí)頻域內(nèi)獲得了描述交叉譜圖特性的特征參數(shù),降低了噪聲信號(hào)對(duì)識(shí)別的影響。(2)在Faster R-CNN的框架基礎(chǔ)上研究了卷積神經(jīng)網(wǎng)絡(luò),掌握其結(jié)構(gòu)組成及卷積池化操作的過程和意義,實(shí)現(xiàn)一維時(shí)間序列的卷積操作。卷積池化結(jié)構(gòu)稀疏連接,提取到更細(xì)致的故障特征表達(dá)。(3)傳統(tǒng)訓(xùn)練方法需要樣本數(shù)量大時(shí)間長,因此通過對(duì)訓(xùn)練方法進(jìn)行改進(jìn),改善...

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 狀態(tài)監(jiān)測(cè)國內(nèi)外研究現(xiàn)狀
        1.2.1 狀態(tài)監(jiān)測(cè)技術(shù)的研究現(xiàn)狀
        1.2.2 設(shè)備狀態(tài)識(shí)別研究現(xiàn)狀
        1.2.3 實(shí)驗(yàn)檢測(cè)方法
    1.3 目前研究存在的問題
    1.4 本文內(nèi)容安排
第2章 實(shí)驗(yàn)平臺(tái)搭建與信號(hào)采集
    2.1 變壓器數(shù)據(jù)采集
        2.1.1 油中放電模型
        2.1.2 采樣裝置
        2.1.3 變壓器局部放電特征提取
        2.1.4 放電信號(hào)的交叉小波變換
    2.2 振動(dòng)數(shù)據(jù)采集
        2.2.1 振動(dòng)傳感器
        2.2.2 數(shù)據(jù)采集卡
    2.3 本章小結(jié)
第3章 引入中心損失函數(shù)的Faster R-CNN
    3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
    3.2 Faster R-CNN的發(fā)展
    3.3 Faster R-CNN的改進(jìn)
    3.4 本章小結(jié)
第4章 基于Faster R-CNN的設(shè)備狀態(tài)識(shí)別
    4.1 基于BPNN和PNN的狀態(tài)識(shí)別
        4.1.1 BP神經(jīng)網(wǎng)絡(luò)
        4.1.2 概率神經(jīng)網(wǎng)絡(luò)
        4.1.3 BPNN神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
    4.2 基于主動(dòng)學(xué)習(xí)SVM的狀態(tài)識(shí)別
        4.2.1 多分類SVM
        4.2.2 核函數(shù)選擇
        4.2.3 參數(shù)選擇
        4.2.4 主動(dòng)學(xué)習(xí)SVM
        4.2.5 基于主動(dòng)學(xué)習(xí)SVM的狀態(tài)識(shí)別
    4.3 基于改進(jìn)Faster R-CNN的狀態(tài)識(shí)別
        4.3.1 中心損失函數(shù)概述
        4.3.2 局部放電狀態(tài)識(shí)別
        4.3.3 轉(zhuǎn)子振動(dòng)狀態(tài)識(shí)別
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：3875392