基于双模型融合的电缆局部放电模式识别
Ship Engineering(2022)
摘要
由于恶劣多变的海洋环境,电缆局部放电信号采集过程中存在很多未知而又复杂的因素,导致放电类型的识别准确率不高,易发生误识别.针对这一问题,提出一种基于双模型融合的电缆局部放电模式识别方法.分别构建基于残差网络和移动端网络的识别模型,引入D-S证据理论对单一模型的识别结果进行融合.针对证据冲突的情况,引入Hellinger距离改进D-S理论中的权重分配,提高识别准确率与稳定性.试验采用现场采集的局放信号所构成的PRPD图谱数据集进行验证.试验表明,融合后的模型平均识别率为97.22%,召回率为95.59%,双模型融合的各项性能均比单一模型有所提高,有效降低了误识别的发生,提升了识别结果的可信度,可更准确地实现对各类局部放电的模式识别,为海底电缆的稳定运行提供更好地支撑.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要