摘要
一种构建复合绝缘子剩余寿命预测模型的方法及装置,该方法包括:获取不同运行年限的复合绝缘子的性能参数;对不同运行年限的复合绝缘子的性能参数进行量化处理及预处理,得到训练集和测试集;采用训练集对深度学习模型进行训练,通过最小化回归损失值,使用优化器优化模型梯度,得到训练后的深度学习模型;采用测试集对训练后的深度学习模型进行测试,并根据测试结果调整训练后的深度学习模型的超参数;对于超参数调整后的深度学习模型,重新返回模型训练及测试步骤,直至模型达到预设性能指标。通过本发明实施例提供的方法及装置,提供了客观自动化预测复合绝缘子剩余寿命的模型,显著提高了效率,减少了人为因素带来的偏差。
技术关键词
深度学习模型
复合绝缘子
剩余寿命预测模型
神经网络模型
机械破坏负荷
优化器
深度学习框架
注意力模型
漏电起痕
多层感知机
带护套
超参数
处理单元
数据
处理器
误差
温升
染料
系统为您推荐了相关专利信息
大气环境监测方法
大气环境监测系统
数据采集终端
时序
公钥加密算法
深度学习分析
弹簧
数控成型机
卷积神经网络模型
数控切割机
风险评估模型
预后风险评估
级联
XGBoost模型
神经网络模型构建
行人识别方法
卷积神经网络模型
级联分类器
序列验证
视频行人识别