基于点对称变换的乙丙橡胶电缆终端缺陷诊断

摘要：

为解决高速动车组车载电缆健康状况的智能化诊断受限于天窗期短的问题,该文提出一种基于点对称(SDP)的乙丙橡胶(EPR)电缆终端缺陷局部放电诊断方法.首先,搭建局部放电试验平台获取局部放电信号;然后,提出一种车载电缆局部放电信号的SDP参数确定方法,并基于SDP变换将不同类型缺陷局部放电信号映射到极坐标系中形成SDP图像;最后,对比三种常见的深度学习网络——卷积神经网络(CNN)、栈式自编码器(SAE)及深度置信网络(DBN)提取不同类型缺陷的SDP图像深层特征,并基于网络尾端Softmax分类器进行识别.结果表明:针对四种典型的电缆缺陷,DBN网络与SDP图像的结合效果最佳,缺陷识别率达到了96.1％,相比于传统诊断方法,识别准确率提高了10％左右,由此验证了通过深度学习算法自适应提取SDP图像特征的方法,可有效应用于电缆缺陷诊断领域,具有较好的工程应用前景.

关键词：乙丙橡胶、深度学习、对称点模式、状态识别

所属期刊栏目：37

分类号：TM247(电工材料)

资助基金：四川省科技计划;广东省基础与应用基础研究基金资助项目

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2388-2398