• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>電気設備学会全国大会 >Partial Discharge Patterns Recognition with Deep Convolutional Neural Networks： Preparation of Papers for IEIEJ Conference Proceedings
【24h】

Partial Discharge Patterns Recognition with Deep Convolutional Neural Networks： Preparation of Papers for IEIEJ Conference Proceedings

机译：与深卷积神经网络的局部放电模式识别：IEIEJ会议课程的论文的准备

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study uses the 2D-convolution neural network of deep learning architecture to extract features and classify them to achieve diagnosis.The main purpose of this study is to identify a partial discharge failure mode using a diagnostic system.Analytical classification was performed using a 2D-convolution neural network.This paper extracts the signals of four different partial discharge modes of motor from IEC60034.The experimental results show that the CNN can effectively diagnose four different failure modes of partial discharge,that the best recognition rate and loss rate are 98.30%andl.41%,and the model has high precision and recall which about 99%and 98%.
机译：本研究采用了深度学习架构的2D卷积神经网络来提取特征，并将其分类为实现诊断。本研究的主要目的是使用诊断系统识别局部放电失效模式。使用2D-进行分析分类。卷积神经网络。本文从IEC60034提取四种不同局部放电模式的信号。实验结果表明，CNN可以有效地诊断出四种不同的局部放电模式，最佳识别率和损失率为98.30％ANDL .41％，该模型具有高精度，召回，约99％和98％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号