基于迁移学习的复杂环境下输电杆塔异常振动识别OA
Abnormal Vibration Identification of Transmission Line Tower Based on Transfer Learning
架空输电线路杆塔所处环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对杆塔异常振动识别准确率降低.为改善识别模型偏差问题,文章提出一种基于领域适配深度迁移学习的杆塔异常振动识别方法.通过一维卷积神经网络实现不同环境条件下异常振动信号的自动特征提取,并引入迁移学习,实现复杂环境下异常振动的准确识别.所提方法通过优化场景差异性正则化损失函数,缩小复杂真实场景与典型场景间的分布差异,获得有效的领域适配模…查看全部>>
张恒;徐广辉;饶丹;李临风;周华良
国电南瑞科技股份有限公司,江苏南京 211106国电南瑞科技股份有限公司,江苏南京 211106国电南瑞科技股份有限公司,江苏南京 211106国电南瑞科技股份有限公司,江苏南京 211106国电南瑞科技股份有限公司,江苏南京 211106
信息技术与安全科学
杆塔振动识别迁移学习卷积神经网络领域适配
《电力信息化》 2022 (1)
61-67,7
评论