一种基于深度学习的万能式断路器附件故障诊断方法

摘要

本发明为基于深度学习的万能式断路器附件故障诊断方法，该方法用于低压万能式断路器分合闸附件的故障诊断，考虑到分合闸线圈电流信号的特点，采用自适应一维深度卷积神经网络，并将模型的第一层卷积层的卷积核设为宽卷积核来扩大感受野区域；然后，利用特征提取层对电流信号进行自适应特征提取；最后，利用Softmax分类器输出故障诊断结果。分合闸附件的故障诊断结果表明，本发明不仅能对不同合闸相角下同一故障进行有效识别，而且在泛化实验中仍能保持较高的故障识别率，能够有效克服合闸相角变化对故障诊断结果的影响。