仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2015年
6期
1267-1274
,共8页
深度信念网络%层次趋势%故障识别%正态分布满足率%自动化巡检
深度信唸網絡%層次趨勢%故障識彆%正態分佈滿足率%自動化巡檢
심도신념망락%층차추세%고장식별%정태분포만족솔%자동화순검
deep belief network%layer tendency%fault identification%NDSR%automated inspection
航拍巡线作为一种高效的线路运检手段已开始投入实用.为了减少人力分辨输电线路设备异常的工作量,实现自动分辨异常图像,进而实现自动化巡检,研究了输电线路图像故障识别的问题.首先从中心极限定理、信息理论以及实验数据等多方面出发,研究了深度信念网络(DBN)权重的层次趋势问题,从而揭示了层次权值逐步趋于正态分布的规律,该结论解释了DBN能自动提取到精细特征的原因.基于层次趋势,提出了一种确定DBN层数的指标,即正态分布满足率(NDSR),可降低算法的时间复杂度.最后对巡线图像故障识别进行了研究,并验证了DBN在巡线图像故障识别应用中的有效性.与PCA_SVM等算法进行了比较,实验结果表明该算法的正确识别率明显比其他算法高,可为输电线路状态检测提供可靠的依据.
航拍巡線作為一種高效的線路運檢手段已開始投入實用.為瞭減少人力分辨輸電線路設備異常的工作量,實現自動分辨異常圖像,進而實現自動化巡檢,研究瞭輸電線路圖像故障識彆的問題.首先從中心極限定理、信息理論以及實驗數據等多方麵齣髮,研究瞭深度信唸網絡(DBN)權重的層次趨勢問題,從而揭示瞭層次權值逐步趨于正態分佈的規律,該結論解釋瞭DBN能自動提取到精細特徵的原因.基于層次趨勢,提齣瞭一種確定DBN層數的指標,即正態分佈滿足率(NDSR),可降低算法的時間複雜度.最後對巡線圖像故障識彆進行瞭研究,併驗證瞭DBN在巡線圖像故障識彆應用中的有效性.與PCA_SVM等算法進行瞭比較,實驗結果錶明該算法的正確識彆率明顯比其他算法高,可為輸電線路狀態檢測提供可靠的依據.
항박순선작위일충고효적선로운검수단이개시투입실용.위료감소인력분변수전선로설비이상적공작량,실현자동분변이상도상,진이실현자동화순검,연구료수전선로도상고장식별적문제.수선종중심겁한정리、신식이론이급실험수거등다방면출발,연구료심도신념망락(DBN)권중적층차추세문제,종이게시료층차권치축보추우정태분포적규률,해결론해석료DBN능자동제취도정세특정적원인.기우층차추세,제출료일충학정DBN층수적지표,즉정태분포만족솔(NDSR),가강저산법적시간복잡도.최후대순선도상고장식별진행료연구,병험증료DBN재순선도상고장식별응용중적유효성.여PCA_SVM등산법진행료비교,실험결과표명해산법적정학식별솔명현비기타산법고,가위수전선로상태검측제공가고적의거.
