亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡(luò)的建筑照明電纜線路故障識別方法

        2022-08-05 12:07:54閆峰
        低溫建筑技術(shù) 2022年6期
        關(guān)鍵詞:電纜神經(jīng)網(wǎng)絡(luò)電路

        閆峰

        (黑龍江省寒地建筑科學(xué)研究院,哈爾濱 150080)

        0 引言

        造成建筑照明電纜線路故障的主要原因點,其一為自然故障,建筑中用戶用電高峰時段,照明電纜線路在運行中宜出現(xiàn)超負(fù)荷的運行狀態(tài),此時電纜線路將出現(xiàn)電流效應(yīng),承載電流的電纜線路溫度驟然升高,絕緣層將被瞬時熱量燒毀,最終導(dǎo)致線路故障。其二為外力故障,當(dāng)老舊建筑在改造維修時,施工方會由于操作不當(dāng),觸碰到建筑中的既有電纜線路,而線路被損壞或故障時,施工方?jīng)]有及時發(fā)現(xiàn)或沒有及時采取有效措施進(jìn)行治理與維修,導(dǎo)致建筑照明電纜線路在運行中存在安全隱患,增加線路故障的發(fā)生概率。其三為電纜線路接頭位置故障[1],由于民居建筑的照明系統(tǒng)覆蓋范圍較大,所有的照明裝置都由電線電纜連接,而施工方或設(shè)計方在此種條件下沒有做好對接頭的優(yōu)化設(shè)計,導(dǎo)致電纜接頭在使用一段時間后,出現(xiàn)松動、老化、絕緣性能劣化等方面問題,此種問題會導(dǎo)致電纜接頭在運行中面臨炸裂危險,最終造成線路大規(guī)模故障。其四為環(huán)境故障,建筑照明電纜線路的運行極易受到環(huán)境因素的影響,尤其是環(huán)境濕度較高的建筑區(qū)域,發(fā)生線路短路、絕緣層擊穿的故障概率,會遠(yuǎn)遠(yuǎn)大于環(huán)境濕度適中的建筑區(qū)域。為實現(xiàn)對建筑中電纜線路故障的精準(zhǔn)、高效識別,提供居民用戶更加良好的照明服務(wù)體驗,文中將引進(jìn)神經(jīng)網(wǎng)絡(luò)設(shè)計一種線路故障的識別方法。

        1 基于神經(jīng)網(wǎng)絡(luò)的建筑照明電纜線路故障識別方法

        1.1 建筑照明電纜線路故障特征類別劃分

        為實現(xiàn)對建筑照明電纜線路故障的精準(zhǔn)識別,應(yīng)在開展相關(guān)研究,對電纜線路故障按照其特征進(jìn)行類別劃分[2]。例如,當(dāng)建筑照明電纜線路中的輸電線路發(fā)生故障時,線路對應(yīng)的相位電流將出現(xiàn)差突變化,當(dāng)故障排除后線路又回到正常運行狀態(tài)時,對應(yīng)的相位電流差突變量將回歸于0[3]。將相位電流差突變量表示為I,對I的描述可以用下述計算公式表示。

        式中,IA、IB、IC分別表示為三相輸電線路。提取IA、IB、IC在故障前后的數(shù)值,并通過上述計算公式,即可得到電流差突變量特征值。并且按照上述方式,來提取建筑照明電纜線路中的短路故障特征值、開路故障特征值,將其表示為D,對應(yīng)的D=ΔIA,ΔIB,ΔIC,…,基于此方式,完成建筑照明電纜線路故障特征類別劃分。

        1.2 基于神經(jīng)網(wǎng)絡(luò)的故障特征訓(xùn)練

        為縮小故障識別的范圍,在完成上述研究后,引進(jìn)神經(jīng)網(wǎng)絡(luò),對文中所提取的故障特征值進(jìn)行訓(xùn)練。所選的神經(jīng)網(wǎng)絡(luò)為RBF 網(wǎng)絡(luò),此網(wǎng)絡(luò)屬于一個3層架構(gòu)網(wǎng)絡(luò),分別由輸入層、鏡像層、輸出層3 層構(gòu)成[4]。在使用此神經(jīng)網(wǎng)絡(luò)進(jìn)行特征值訓(xùn)練時,需要建立一個訓(xùn)練樣本矩陣與故障值輸出矩陣,將兩者表示為U與T,對U與T的描述可用下述計算公式表示:

        式中,XM為訓(xùn)練樣本中的最大值;xm為故障值輸出最大值。在神經(jīng)網(wǎng)絡(luò)前端輸入XM與xm,對其進(jìn)行迭代處理,對訓(xùn)練樣本進(jìn)行壓縮。此時,網(wǎng)絡(luò)將主動進(jìn)行數(shù)組中神經(jīng)元的提取,提取的神經(jīng)元中要包括至少5個神經(jīng)因子,分別為>3個的故障神經(jīng)因子與>2個的正常神經(jīng)因子,建立5個因子之間的神經(jīng)元連接,以此種方式,可以初步形成一個基于故障矩陣的故障因素挖掘模型[5]。所選擇的神經(jīng)因子數(shù)量越多,對潛在故障的挖掘就越準(zhǔn)確??稍诖诉^程中,定義兩種因子表示為w 與g,對因子w 與因子g 的迭代處理過程,可用下述計算公式表示。

        式中,y 為神經(jīng)網(wǎng)絡(luò)迭代處理數(shù)據(jù)的過程;w 為輸入層的輸入值矢量,也稱正常神經(jīng)因子;g為輸出層的輸出值矢量,也稱故障神經(jīng)因子;T為迭代訓(xùn)練處理所需時長;i為神經(jīng)網(wǎng)絡(luò)層數(shù);j為輸入層的高斯基函數(shù);m 為誤差函數(shù);z 為迭代訓(xùn)練或?qū)W習(xí)規(guī)模;σ 為目標(biāo)訓(xùn)練次數(shù);x為目標(biāo)訓(xùn)練值。按照上述方式,獲取訓(xùn)練過程中的相關(guān)數(shù)值,將數(shù)值進(jìn)行離散化處理,將處理后的數(shù)值按照其特征屬性進(jìn)行類別劃分,代入式(3)中后,輸出訓(xùn)練結(jié)果,以此種方式,實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的故障特征訓(xùn)練。

        1.3 基于GRU的線路故障診斷與識別

        完成上述研究后,引進(jìn)GRU 網(wǎng)絡(luò),對建筑照明電纜線路故障進(jìn)行診斷與識別。建立GRU 網(wǎng)絡(luò)故障分類器,將數(shù)組中的AE數(shù)據(jù)作為網(wǎng)絡(luò)輸入值,輸入故障值的迭代處理。將迭代后的數(shù)據(jù)導(dǎo)入GRU 網(wǎng)絡(luò)中的隱含層,將其與全連接層進(jìn)行連接。根據(jù)建筑照明電纜線路可能在運行中出現(xiàn)的所有故障形式,進(jìn)行線路故障的預(yù)測與電路運行狀態(tài)的評估[6]。并對可能造成建筑照明電纜線路故障的網(wǎng)絡(luò)節(jié)點進(jìn)行擾動離散,離散后的數(shù)據(jù)將根據(jù)其概率分布與梯度值,進(jìn)行歸一化處理,處理過程如式(4)所示。

        式中,si為對故障離散數(shù)據(jù)的歸一化處理過程;V為全連接網(wǎng)絡(luò)節(jié)點。驅(qū)動網(wǎng)絡(luò)后,在PSCAD中進(jìn)行建筑照明電纜線路的運行,將集成在線路兩端的傳感器反饋信號進(jìn)行主動獲取,獲取的信號包括電流信號與電壓信號。使用AE 編碼方式,對獲取的信號進(jìn)行特征編碼,掌握數(shù)據(jù)樣本的標(biāo)記方式后,將樣本數(shù)據(jù)進(jìn)行打亂處理,處理后將其劃分為兩個組別,分別為數(shù)據(jù)集樣本與測試集樣本,將訓(xùn)練集合中的數(shù)據(jù)樣本進(jìn)行前向傳播,計算在傳播過程中的數(shù)據(jù)損失量。計算公式如下:

        式中,K 為訓(xùn)練集合中的數(shù)據(jù)樣本在傳播過程中的損失量;η為網(wǎng)絡(luò)傳輸激活函數(shù);W0為有效傳播量;H為網(wǎng)絡(luò)傳輸距離。

        按照上述計算公式,得到樣本數(shù)據(jù)在網(wǎng)絡(luò)傳輸中的損失量,得到損失量后,根據(jù)數(shù)值進(jìn)行網(wǎng)絡(luò)中數(shù)據(jù)的補償,根據(jù)補償后輸出的數(shù)據(jù)匹配結(jié)果,進(jìn)行診斷與識別故障結(jié)果的輸出。按照此種方式,實現(xiàn)對建筑照明電纜線路故障的診斷與識別。

        2 對比實驗

        為了驗證文中提出的基于神經(jīng)網(wǎng)絡(luò)的建筑照明電纜線路故障識別方法的實際應(yīng)用性能,以某既有建筑工程為例,應(yīng)用文中設(shè)計的線路故障識別方法,展開對比實驗的研究。

        根據(jù)該建筑項目的電力管理方反饋,該建筑中的用戶用電高峰時段在每天的18:00~22:00,且由于該建筑所在地區(qū)屬于老舊建筑,從建成投入使用至今已有20 余年,因此,建筑照明電纜線路故障事件頻發(fā)。每次發(fā)生此類線路故障,都需要質(zhì)監(jiān)方人工采取措施進(jìn)行處線路隱患排查,此種處理方法不僅具有效率低、耗時長等問題,還會在檢修中增加不必要的人力投入。盡管后續(xù)工程方花費了大量資金引進(jìn)信息化技術(shù)與智能化技術(shù)輔助建筑照明電纜線路故障識別、定位與檢測,但均未能在實際應(yīng)用中取得顯著成果。為此,下述將以文中設(shè)計的方法為例,進(jìn)行此方法在建筑照明電纜線路故障中應(yīng)用的檢驗。選擇既有建筑中照明電纜線路某段故障電路作為識別對象,繪制故障電路簡圖,如圖1所示。

        圖1 某建筑照明電纜線路故障電路簡圖

        圖1 中(1)和(2)為建筑照明電纜線路的兩處故障;1~10表示為建筑照明電纜線路編號。為實現(xiàn)對此故障的可視化感知,在電路模型中的輸入端與輸出端進(jìn)行計算機通信對接,并在建筑照明電纜線路中安裝電流傳感器。為確保部署的實驗環(huán)境可以滿足試驗的真實需求,選擇INTGHU-12000型號的inter處理器與Ge-Forectiu-U-5000 型號的英偉達(dá)服務(wù)器作為支撐計算機設(shè)備的主要硬件,處理器的有效內(nèi)存為128.0GB,運行內(nèi)存為4.0GB,將硬件按照其運行需求部署在OS-7.0操作系統(tǒng)中。

        將文中設(shè)計的建筑照明電纜線路故障識別方法與計算機設(shè)備進(jìn)行通信對接,調(diào)試儀器設(shè)備后,啟動線路運行監(jiān)控。接收反饋信號,將反饋的信號呈現(xiàn)在計算機顯示器屏幕上。經(jīng)過測試后發(fā)現(xiàn)顯示屏所呈現(xiàn)的信號完整、連續(xù),說明文中設(shè)計的方法可以實現(xiàn)對建筑照明電纜線路的監(jiān)測。

        在證明設(shè)計方法具有可用性后,選擇基于MFCC特征與GMM技術(shù)的建筑照明電纜線路故障識別方法作為傳統(tǒng)方法。

        在使用文中方法進(jìn)行線路故障識別時,需要先調(diào)用歷史數(shù)據(jù)庫,進(jìn)行建筑照明電纜線路故障特征類別的劃分,匹配研究的電纜線路故障電路,使用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障特征的迭代訓(xùn)練,最后基于GRU完成對線路故障的診斷與識別。

        在使用傳統(tǒng)方法進(jìn)行線路故障識別時,應(yīng)先使用MFCC 技術(shù)進(jìn)行建筑照明電纜線路故障獲取,掌握故障情況的基礎(chǔ)特征后,使用GMM 技術(shù)對故障值進(jìn)行訓(xùn)練,經(jīng)過多次訓(xùn)練與迭代,輸出故障最小范圍,匹配故障最小范圍與文中研究的電纜線路故障電路,完成對故障的識別與定位。

        使用兩種識別方法,對文中研究的電纜線路故障電路進(jìn)行故障識別。將兩種方法反饋的識別結(jié)果呈現(xiàn)在計算機顯示屏上,截取異常信號波段,基于文中方法的電纜線路故障電路異常信號波段如圖2 所示,基于傳統(tǒng)方法的電纜線路故障電路異常信號波段如圖3所示。

        圖2 基于文中方法的電纜線路故障電路異常信號波段

        圖3 基于傳統(tǒng)方法的電纜線路故障電路異常信號波段

        從圖2 與圖3 所示的實驗結(jié)果可以看出,兩種方法所呈現(xiàn)的故障電路異常信號波段,均在7~8編號的線路段存在明顯異常,說明兩種方法都可以實現(xiàn)對建筑照明電纜線路故障的識別。為了進(jìn)一步證明文中方法的優(yōu)勢,對兩種方法的故障識別訓(xùn)練過程進(jìn)行分析,從計算機的系統(tǒng)終端獲取故障識別結(jié)果的訓(xùn)練過程,如圖4所示。

        圖4 兩種故障識別方法的訓(xùn)練過程

        從圖4 所示的實驗結(jié)果中可以看出,文中方法在3800 次迭代后,得到精準(zhǔn)的故障識別結(jié)果,傳統(tǒng)方法在6000次迭代后,得到精準(zhǔn)的故障識別結(jié)果。當(dāng)單次迭代訓(xùn)練處理所需的時間相同時,文中方法可以快速得到故障識別結(jié)果。由此可以得出對比試驗的最終結(jié)論:相比基于MFCC 特征與GMM 技術(shù)的識別方法,文中設(shè)計的基于神經(jīng)網(wǎng)絡(luò)的建筑照明電纜線路故障識別方法,不僅可以實現(xiàn)對故障電纜線路的精準(zhǔn)識別,還可以有效提升識別效率。

        3 結(jié)語

        照明工程是建筑工程項目在建設(shè)與施工中的重點工程項目,也是優(yōu)化、完善民居建筑環(huán)境的分項工程之一。為了提供建筑內(nèi)部居住群體更加良好的用電照明服務(wù),施工方一直在加大對建筑照明設(shè)計與施工的投入。與此同時,在此項工程逐步落實的中,建筑照明水平逐年提升,相關(guān)建筑照明的基礎(chǔ)設(shè)施也越來越完善。但隨著建筑結(jié)構(gòu)的復(fù)雜化,建筑照明電纜線路出現(xiàn)故障的次數(shù)與頻率也呈現(xiàn)一種增加趨勢。為解決此方面問題,提高建筑照明服務(wù)的連續(xù)性與可靠性,文中從建筑照明電纜線路故障特征類別劃分、基于神經(jīng)網(wǎng)絡(luò)的故障特征訓(xùn)練、基于GRU的線路故障診斷與識別三個方面,開展了基于神經(jīng)網(wǎng)絡(luò)的建筑照明電纜線路故障識別方法設(shè)計研究。并在完成研究后,通過對比實驗證明了文中設(shè)計的方法,不僅可以實現(xiàn)對故障電纜線路的精準(zhǔn)識別,還可以有效提升識別效率。以此種方式,為建筑后續(xù)運維管理工作提供進(jìn)一步的指導(dǎo)與幫助。

        猜你喜歡
        電纜神經(jīng)網(wǎng)絡(luò)電路
        電路的保護(hù)
        解讀電路
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        海底電纜——將世界連接起來
        巧用立創(chuàng)EDA軟件和Altium Designer軟件設(shè)計電路
        電子制作(2019年24期)2019-02-23 13:22:20
        基于MATLAB模擬混沌電路
        電子制作(2018年17期)2018-09-28 01:56:44
        高溫超導(dǎo)電纜
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
        重型機械(2016年1期)2016-03-01 03:42:04
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        高溫超導(dǎo)電纜
        亚洲国产av一区二区三区精品| 永久免费看免费无码视频| 人妻中文字幕一区二区二区| 日本一区二区高清精品| 在线亚洲高清揄拍自拍一品区| 内射精品无码中文字幕| 精品国产一区二区三区香蕉| caoporen国产91在线| 亚洲一码二码在线观看| 久久精品国产亚洲av性瑜伽| 亚洲精品久久久久avwww潮水| 亚洲人成无码网站久久99热国产| 国产99精品精品久久免费| 亚洲不卡在线免费视频| 男人天堂网2017| 日本50岁丰满熟妇xxxx | 久久精品国产99国产精品澳门| 亚洲日韩中文字幕一区| 国产欧美日韩专区| 亚洲乱码中文字幕综合| 亚洲最大中文字幕熟女| 久久国产精品精品国产色婷婷 | 2020无码专区人妻系列日韩| 欧美在线视频免费观看| 亚洲老女人区一区二视频| va精品人妻一区二区三区| 国产一区亚洲二区三区| 中国老熟妇自拍hd发布| 欧美日韩一区二区三区色综合| av男人天堂网在线观看| 久久国内精品自在自线| 精精国产xxxx视频在线播放| 免费观看一区二区| 久久精品一区一区二区乱码| 麻豆蜜桃av蜜臀av色欲av| 激情综合色综合啪啪五月丁香| 亚洲熟女网站| 亚洲一区域二区域三区域四| 久久精品亚洲精品国产色婷| 国产喷水福利在线视频| 国产高清一区二区三区视频|