基于小波变换CNN的电机运行状态识别研究

摘要：

针对电机运行状态的特征提取与有效识别问题,本文结合小波变换和卷积神经网络改进了电机的运行状态识别方法.首先,将热像仪采集的电机数据图像经过小波变换转换,得到系数矩阵;其次,将处理后的小波系数矩阵输入到改进的卷积神经网络模型进行特征提取;最后,利用反向传播不断调整结构的网络参数,建立最合适的网络模型,从而实现对电机的运行状态进行识别.实验结果表明,本文所提出的方法对电机运行状态识别的准确率达到98％,证明了该方法的可行性与有效性,并应用于工程中.

关键词：小波变换、卷积神经网络、电机运行状态、特征提取

所属期刊栏目：13

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;贵州省科技厅-贵大联合基金;黔科合平台人才20175788;贵州省科技厅项目

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：122-125