基于LSTM神经网络的漏缆故障定位算法  

LSTMBased Fault location algorithm for leaky cables

作　　者：高文笃 刘太君[1] 吴绍精 叶焱[1] 许高明[1] 谢晋雄 Gao Wendu;Liu Taijun;Wu Shaojing;Ye Yan;Xu Gaoming;XieJinxiong

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211 [2]深圳检验检疫科学研究院,广东深圳518010

出　　处：《数据通信》2022年第3期45-49,共5页

基　　金：国家自然科学基金(U1809203,62071264)。

摘　　要：泄漏电缆会随着使用时间而老化导致传输性能下降,加之人为因素也会造成电缆受损,因此迫切需要对漏缆故障进行在线监测和故障高精度定位。本文提出了一种基于长短期记忆网络(long short-term memory, LSTM)的漏缆故障定位神经网络模型,该模型以时频域反射法(time-frequency domain reflectometry,TFDR)作为实验信号获取数据集,以LSTM网络增强对特征的提取。首先通过对漏缆进行等效电路建模实现数据集的获取,解决了数据来源少、模型训练困难的问题,以TFDR信号作为实验信号,特征更加丰富,并使用LSTM提取时频信号的特征。采用仿真数据与实际数据对模型进行验证测试。实验结果表明,该模型在故障定位上表现良好,定位误差优于TFDR、卷积神经网络(Convolutional Neural Networks, CNN)和全连接神经网络(fully connected neural network, FCN)。

关 键 词：神经网络 漏缆监测 长短期记忆网络(LSTM) 时频域反射法(TFDR) 

分 类 号：TN913.8[电子电信—通信与信息系统]