一种用于电力设备红外图像的超分辨率重建模型及方法

    公开(公告)号:CN115456877A

    公开(公告)日:2022-12-09

    申请号:CN202211113060.5

    申请日:2022-09-14

    摘要: 本发明公开了一种用于电力设备红外图像的超分辨率重建模型及方法,包括:采用生成式对抗网络结构,对超分辨率重建模型进行构建;针对生成器网络,在原始的WGAN网络生成器结构中,加入了残差密集块网络;针对对抗器网络,在原始的WGAN网络对抗器结构中,加入了谱归一化层,替代了原有的批归一化。本发明通过RDN网络的引入使得模型在训练过程中产生连续记忆机制,对电力设备红外图像的特征进行了有效的保留,最终得到了较好的超分辨率重建效果;谱归一化的引入加快了模型的训练速度,使模型训练过程的参数较原始网络有所减少,评价指标PSNR以及SSIM有一定的提升;多损失函数融合在原始MSE损失以及对抗损失的基础上,引入了感知损失以及纹理损失,使得模型训练过程对图像纹理细节有一定的关注,重建出更加接近原始图像的红外图像。

    一种用于小样本条件下电机轴承故障诊断模型训练方法、装置

    公开(公告)号:CN115830383A

    公开(公告)日:2023-03-21

    申请号:CN202211582377.3

    申请日:2022-12-08

    摘要: 本发明公开了一种用于小样本条件下电机轴承故障诊断模型训练方法、装置,属于故障诊断技术领域。本发明采用连续小波变换将传感器采集到的电机轴承一维数据变换为图像,得到原始图像数据集;针对电机轴承的故障数据不足,采用INFOGAN网络扩充数据,得到生成图像数据集;进一步,在故障诊断模型训练过程中依次去训练生成数据集与原始数据集,同时构建遗传算法GA与VGG16模型的融合,通过GA算法寻找三个待定参数的同时训练VGG16模型,在得到最优参数的同时保存得到VGG16最优模型;最终利用所得的VGG16模型验证了该训练方法在小样本条件下电机轴承故障诊断中较大的提升了故障诊断模型的精度,同时该模型训练方法有较高的实用性。