| 摘 要： | 针对换流变压器振动信号复杂度高、数据量大、信息利用率低导致基于振动信号的换流变特征提取模型搭建困难、准确度不高等问题,该文研究了一种基于类格拉姆矩阵和卷积神经网络的换流变压器振动信号多层次特征提取模型。首先通过极坐标变换和自定义点积运算将一维振动时序序列和对应细化频率序列转化为类格拉姆矩阵得到时域、频域特征图谱,通过连续小波变换将原始序列转换为时频能量特征图谱,得到振动信号的时域、频域和时频能量图谱。然后利用卷积层和池化层并行对输入图谱进行多层次特征提取融合,解决了传统方法信息利用率低的问题。利用卷积神经网络对融合矩阵进行二次特征提取。分析结果表明,该文模型振动测点分布平均识别准确率为95.4%,工况平均识别准确率为97.82%,优于长短时记忆网络(long short term memory,LSTM)、一维卷积神经网络(one-dimensionalconvolutionalneuralnetwork,1D-CNN)、残差网络(residual network,ResNet)、全卷积网络(fully convolutional network,FCN)等经典时间序列应用网络,可为基...
|
