基于深度学习的低压电气火灾串联故障电弧检测方法研究

声明

致谢

1 引言

1.1 论文选题背景与意义

1.2 串联故障电弧检测研究现状

1.2.1 利用电流信号时频域特征的检测方法

1.2.2 利用电弧能量的检测方法

1.2.3 利用电信号波形或谐波特征的检测方法

1.2.4 串联故障电弧检测研究现状总结

1.3 本文内容与章节安排

2 深度卷积神经网络

2.1 深度卷积神经网络的基本原理

2.2 深度卷积神经网络的特点

2.3 网络训练考评指标

2.4 深度卷积神经网络训练环境

2.5 本章小结

3 串联故障电弧实验

3.1 串联故障电弧实验平台

3.2 实验数据采集

3.3 本章小结

4 基于AlexNet 深度学习网络的串联故障电弧检测研究

4.1 AlexNet 的基本结构及特点

4.1.1 AlexNet的基本结构

4.1.2 AlexNet的特点

4.2 AlexNet 的构建

4.3 AlexNet 的训练与检测结果分析

4.3.1 可行性分析

4.3.2 实验与分析

4.4 特征提取分支对串联故障电弧检测影响的研究

4.4.1 多分支并联AlexNet构造

4.4.2 多分支AlexNet的训练与检测结果分析

4.5 激活函数对串联故障电弧检测影响的研究

4.5.1 几种激活函数原理

4.5.2 实验与结果分析

4.6 本章小结

5 基于ResNet 深度学习网络的串联故障电弧检测研究

5.1 ResNet 基本原理

5.2 ResNet的构建

5.3 ResNet18 的训练与检测结果分析

5.4 ResNet34 的训练与检测结果分析

5.5 本章小结

6 串联故障电弧检测综合分析

6.1 AlexNet 深度学习网络及其改进的实验对比分析

6.2 两种ResNet深度学习网络的实验对比分析

6.3 实验综合分析

6.4 本章小结

7 总结与展望

7.1 总结

7.2 展望

参考文献

作者简历

学位论文数据集