-
题名基于半监督学习的牵引网高阻故障辨识
- 1
-
-
作者
傅钦翠
雷奇新
钟汉华
许韧杰
李志龙
康金丽
-
机构
华东交通大学电气与自动化工程学院
-
出处
《铁道学报》
北大核心
2026年第2期56-65,共10页
-
基金
国家自然科学基金(52362052)
江西省自然科学基金(20232BAB204065)。
-
文摘
牵引网的高阻接地故障具有隐蔽性强的特点,传统的故障检测方法在准确性方面存在不足。现有数据处理方案多是基于单一特征量或局部故障特征构造故障识别判据,存在特征提取困难,标记样本数据量稀缺,未标记样本数据利用不充分等问题。针对以上问题,提出一种基于稀疏双重注意力关系网络(UDA-SDARN)的半监督学习的牵引网高阻故障辨识方法,利用时序数据经过连续小波变换后的小波能量图作为模型输入,并通过无监督数据增强(UDA)策略分别利用标记样本和未标记样本,使用监督损失(交叉熵损失)和无监督损失(一致性损失)共同训练模型,充分挖掘故障暂态信息深层次特征,提升模型的泛化能力和辨识精度。试验结果表明,所提方法能在未标记样本占比70%的情况下取得良好的分类性能,有效提高了对牵引网高阻接地故障的辨识能力。
-
关键词
高阻接地故障
稀疏双重注意力关系网络
半监督学习
暂态时频特征
-
Keywords
high impedance fault
unsupervised data augmentation-sparse dual-attention relation network
semi-supervised learning
transient time-frequency characteristic
-
分类号
TM922.3
[电气工程—电力电子与电力传动]
U233
[交通运输工程—道路与铁道工程]
-
