基于DWT-MCNN的电缆绝缘故障诊断模型

本发明公开了基于DWT‑MCNN的电缆绝缘故障诊断模型，包括：利用原始数据生成6倍增强数据集；利用DWT进行数据集分解，并将分解后的数据集按照6∶4的比例随机分为训练样本和测试样本；初始化MCNN的参数；利用MCNN对训练数据进行训练，得到最优MCNN模型参数；利用训练后的MCNN对测试样本进行分类，得到故障分类精度。本发明融合了离散小波变换与多尺度卷积神经网络的优势，同时将故障数据的特征提取与模式分类相结合，实现了端到端的电缆绝缘故障诊断；提出了一种数据增强方法对故障数据进行扩充，避免因数据规模不足引起的诊断结果失真问题。