摘要
本发明提出基于增量学习的电力电缆缺陷识别方法及装置。该方法包括构建不同缺陷类型电力电缆局部放电多参数特征样本数据;将实验室条件下的电力电缆局部放电信号对应的多参数特征及其缺陷类型作为标记数据用于CNN缺陷识别模型的训练,将工业现场的电力电缆局部放电信号对应的多参数特征作为缺陷类型未知的未标记数据进行自训练过程,得到基于CNNL的半监督增量学习缺陷识别模型;执行基于半监督CNNL增量学习的缺陷识别,更新基于CNNL的半监督增量学习缺陷识别模型,并确定实时采集的工业现场的电力电缆局部放电信号对应的缺陷类型。如此,缺陷类型检测效率高。
技术关键词
电力电缆缺陷
电力电缆局部放电
监督增量
实验室条件
识别方法
多参数
图谱
样本
工业现场环境
网络模型训练
标记
工业现场数据
电信号
学习器
典型
系统为您推荐了相关专利信息
信号识别方法
智能雷达
多径效应
多径衰落信道
特征提取模块
电控调节器
寿命测试方法
加速寿命测试
应力测试模型
层次结构模型
声纹识别方法
隐马尔可夫模型
计算方法
短时傅里叶变换
声纹模型
风险点
风险预测模型
风险识别模型
智能识别方法
物联网网关