一种基于深度学习的电线电缆保护塑料管故障预测方法

本发明公开了一种基于深度学习的电线电缆保护塑料管故障预测方法，S1、安装多种传感器，采集电缆运行过程中的各项数据；S2、对采集的传感器数据进行预处理；S3、采用变换式自编码器对输入数据进行特征学习，并通过序列生成模型实现故障数据的异常检测与重构；S4、构建故障预测模型，并对故障特征进行综合分析；S5、利用改进的生成对抗网络生成正常与异常的故障数据样本，通过扩充训练集对故障预测模型进行增强训练；S6、对电线电缆保护塑料管的状态进行故障预测，实时推送报警信息。本发明能够在电线电缆保护塑料管故障预测中提供高效、科学的优化方案，为实际应用带来显著的技术价值和经济效益。