随着深度学习的不断发展,与传统机器学习算法相比,深度学习可以发现复杂数据的特征规律,卷积神经网络CNN作为深度学习的一种,具有良好的的特征提取和分类的能力,本文利用了CNN的特征提取优势和SVM的出色分类能力,采用卷积神经网络(CNN)和支持向量机(SVM)结合的组合模型,并将其应用在了变压器故障诊断中,效果如下图所示,诊断准确率达到了95%以上,完全可以满足科研和实际工程需要。
输入:五种特征气体分别为H2,CH4,C2H6,C2H4,C2H2
输出:'正常','局部放电','低能放电','高能放电','中低温过热','高温过热' 六种运作状态(含正常状态)
如需相关代码可在如下链接下载: