一种用于小样本数据集的局部放电模式识别方法

摘要

针对传统局部放电模式识别方法识别准确率较低，特别在小样本数据集情况下识别效果较差的问题，提出了一种基于一维卷积神经网络的小样本数据集识别方法，试验采集了4类油中典型缺陷下的放电样本各200份，分别采用此方法与传统聚类法、SVM法、BP神经网络法、CNN图像法对上述样本构成的数据集进行了识别分类。结果表明：该方法在小样本数据集情况下相较传统聚类法、SVM法、BP神经网络法和CNN图像法具有更好的识别效果，在训练样本数为50时，其识别准确率分别高于SVM法和BP神经网络法2.00%和6.25%;同时，相对传统识别方法，该方法表现出较强的特征提取与学习能力，其迭代过程收敛较快，单次训练耗时远低于SVM法，与BP神经网络法相近；最后，在针对卷积网络各结构参数对该方法识别准确率的影响研究过程中发现，卷积核尺寸对其识别准确率的影响最大。

关键词

卷积神经网络 / 局部放电 / 小样本数据集 / 模式识别