研究目的
利用一维卷积神经网络（CNN）模型对非结构化时域波形图像中的局部放电类型进行分类。
研究成果
该方法可直接处理非结构化数据，简化模式识别中的特征提取步骤。相比SVM和BPNN模型具有更高准确率，同时降低实验复杂度并具备良好鲁棒性。该方案同样适用于大数据平台积累的其他非结构化数据。
研究不足
粒子放电缺陷的识别准确率较低，这是因为现场获取的粒子放电缺陷样本量过少，导致数据集严重失衡。
首页
论文列表
[IEEE 2018状态监测与诊断会议(CMD) - 澳大利亚珀斯(2018.9.23-2018.9.26)] 2018年状态监测与诊断会议(CMD) - 基于一维卷积神经网络的局部放电图像模式识别
中文（中国）
▾
[IEEE 2018状态监测与诊断会议(CMD) - 澳大利亚珀斯(2018.9.23-2018.9.26)] 2018年状态监测与诊断会议(CMD) - 基于一维卷积神经网络的局部放电图像模式识别
DOI：10.1109/CMD.2018.8535761
出版年份：2018
更新时间：2025-09-09 09:28:46
摘要：
如今大数据平台和中心无处不在，现场会积累大量非结构化数据。针对结构化数据，局部放电模式识别方法已有广泛研究，但传统方法无法直接应用于非结构化数据。为此，本文提出一种基于一维卷积神经网络（CNN）的时域波形模式识别方法。运用图像处理技术提取波形的一维特征，基于深度学习直接构建模式识别网络。通过现场检测与仿真实验，建立了五种局部放电缺陷的图像数据集并进行对比实验。结果表明：该方法能成功实现模式识别，可应用于数据挖掘与数据利用工作；在相同复杂度下，其准确率较二维CNN更高；此外，该方法无需人工提取即可自主外推特征，同时实现了低实验复杂度与强鲁棒性。
作者：
Xiaoqi Wan，Hui Song，Lingen Luo，Zhe Li，Gehao Sheng，Xiuchen Jiang
AI智能分析
纠错
研究概述
实验方案
设备清单
SCI高频之选
查看全部>
-
智能分析： Yokogawa AQ6370D是一款性能卓越的光谱分析仪，适用于光通信领域以及光放大器（EDFA）的测量和评估。其高波长分辨率、精准度和宽动态范围使其成为实验室和工业环境中的理想选择。虽然设备体积较大且预热时间较长，但其丰富的接口和出色的显示屏设计弥补了这些不足，整体是一款值得推荐的光谱分析仪。获取实验方案
-
智能分析： ZEISS EVO系列是一款高性能?？榛璧缱酉晕⒕?，适用于材料科学、生命科学及工业质量控制等领域。其先进的技术特性包括高分辨率、广泛加速电压范围和集成EDS系统。该产品操作直观，支持多用户环境，适合科学研究和工业应用。然而，价格信息缺失以及潜在的维护成本可能是其需要注意的方面。总体而言，ZEISS EVO系列表现优秀，值得推荐给专业用户。获取实验方案 -
智能分析： ZEISS Crossbeam系列是蔡司公司推出的一款高端光电分析设备，结合了场发射扫描电子显微镜（FE-SEM）和聚焦离子束（FIB）的功能，适用于材料科学、纳米技术和半导体行业等多个领域。其高分辨率成像能力和自动化样品制备功能使其成为高通量分析的理想选择。此外，该设备支持多种检测器，具备强大的多功能性，是高精度研究和工业应用的利器。然而，由于其高端定位，设备成本较高且操作需要专业技能。总体而言，该设备表现卓越，为科学研究和工业应用提供了先进的解决方案。获取实验方案 -
智能分析： Axio Observer是一款专为金相学研究设计的倒置显微镜系统，以其高效的设计和蔡司知名的光学技术为特色。它能够快速、灵活地分析大量样品，并支持自动化操作，适用于多种应用场景，包括晶粒尺寸分析、非金属夹杂物检测等。然而，其重量较大且光源寿命较短，可能对使用者提出了额外的维护和空间管理需求。总体而言，这款产品在性能和可靠性方面表现出色，特别适合专业实验室使用。获取实验方案 -
型号：ZEISS LSM 990 Spectral Multiplex
智能分析： ZEISS LSM 990 Spectral Multiplex是一款定位于高端科研机构的光谱成像系统，具有卓越的光谱分辨率和自动化功能，适用于复杂的生物、医学及材料科学实验。其高效的荧光标签分离能力和多功能自动化设计为用户提供了强大的实验支持。然而，高昂的价格和一定的学习曲线可能对中小型实验室构成挑战。总体而言，这是一款性能优越、适应性强的高端实验设备。获取实验方案 -
智能分析： ZEISS Sigma 300 with RISE是蔡司公司推出的一款高端光谱分析仪，集成了拉曼成像和扫描电子显微镜技术，能够提供高质量的化学和结构分析。其功能强大，支持多领域应用，但设备价格较高且操作学习曲线可能较陡。适用于科研机构和高端实验室，是材料科学和生命科学领域的理想选择。获取实验方案
立即咨询
加载中....
论文纠错
您正在对论文“[IEEE 2018状态监测与诊断会议(CMD) - 澳大利亚珀斯(2018.9.23-2018.9.26)] 2018年状态监测与诊断会议(CMD) - 基于一维卷积神经网络的局部放电图像模式识别”进行纠错
纠错内容
联系方式（选填）
设备询价
称呼
电话
+86
单位名称
用途
期望交货周期
产品预约
称呼
电话
+86
单位名称
用途
期望交货周期