-
题名改进的卷积神经网络在励磁单元中的故障诊断
被引量:1
- 1
-
-
作者
杨彦杰
元晶晶
张贺
-
机构
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
河北工业大学河北省电磁场与电器可靠性重点实验室
-
出处
《计算机仿真》
北大核心
2021年第6期444-449,共6页
-
基金
省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)资助课题基金(EERIZZ2018002)。
-
文摘
在励磁装置系统中,三相桥式全控整流电路发挥着极为重要的作用。针对其整流电路中晶闸管的故障问题,提出了一种改进的卷积神经网络(CNN)故障诊断模型,与传统卷积神经网络相比,改进网络参数较少从而提高计算速度,使用BN层替代LRN图层利于网络的稳定和收敛,并使用Adam优化器进行权值迭代更新。利用开源深度学习平台TensorFlow进行实验,仿真结果表明,改进方法对晶闸管故障电压识别分类和三相母线电流识别分类的平均准确率分别高达99%、98%,验证了网络故障诊断模型的可行性。
-
关键词
励磁功率单元
三相桥式全控整流电路
卷积神经网络
故障诊断
-
Keywords
Excitation power unit
Three-phase bridge fully controlled rectifier circuit
Convolutional neural network(CNN)
Fault diagnosis
-
分类号
TP202
[自动化与计算机技术—检测技术与自动化装置]
-