文献类型：期刊文章

作　　者：李岩[1] 刘玉娇[1] 李国亮[1] 蔡杨[2]

LI Yan;LIU Yujiao;LI Guoliang;CAI Yang(State Grid Shandong Electric Power Company Zaozhuang Power Supply Company,Shandong Zaozhuang 277100,China;Hebei Provincial Key Laboratory of Power Transmission Equipment Security Defense,North China Electric Power University,Hebei Baoding 071000,China)

机构地区：[1]国网山东省电力公司枣庄供电公司,山东枣庄277100 [2]华北电力大学河北省输变电设备安全防御重点实验室,河北保定071000

出　　处：《高压电器》

基　　金：国网山东省电力公司科技项目(520610210004)。

年　　份：2022

卷　　号：58

期　　号：11

起止页码：82-87

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现电气设备故障红外图像的高效智能化辨识,针对传统电气设备故障红外图像检测方法出现的检测效率低下与检测结果主观性较强的问题,文中提出了一种基于改进BEMD频域分解的Res⁃LSTM电气设备红外图像故障辨识方法。首先采用BEMD算法对红外图像进行频域分解,并将其原有的滤波器替换为Gaussian滤波器,对BEMD进行改进,大大加快了其分解速度。其次,构建了Res⁃LSTM故障诊断网络,采用ResNet对电气设备红外图像进行特征提取,并通过LSTM网络对提取出的特征进行故障诊断。最后,在综合上述两种方法的基础上,构建了电气设备故障红外图像数据集,通过消融实验验证了文中算法的有效性。

关 键 词：二维经验模态分解 长短期记忆网络  红外图像 故障辨识 电气设备

分 类 号：TM507] TP183] TP391.41]