1.一种基于迁移学习的过电压智能识别方法,其特征在于,包括下列步骤:
s1、采集过电压波形数据,形成过电压波形图数据库;
s2、构建过电压特征提取基础模型,基于imagenet训练数据库,实现所述过电压特征提取基础模型的学习训练;
s3、保存训练好的所述过电压特征提取基础模型中的配制参数,在所述过电压特征提取基础模型的基础上建立过电压迁移学习模型;
s4、基于所述过电压波形图数据库,实现所述过电压迁移学习模型的学习训练;
s5、通过训练后的过电压迁移学习模型实现过电压波形图的分类识别。
2.根据权利要求1所述的一种基于迁移学习的过电压智能识别方法,其特征在于,所述过电压特征提取基础模型包括卷积特征提取网络、逻辑修正网络、分类识别网络。
3.根据权利要求2所述的一种基于迁移学习的过电压智能识别方法,其特征在于,所述卷积特征提取网络包括全卷积层、深度卷积提取层、逐点卷积提取层,所述全卷积层的输出接入所述深度卷积提取层的输入,所述深度卷积提取层的输出接入所述逐点卷积提取层的输入,且所述深度卷积提取层、逐点卷积提取层之间交错搭建;
所述全卷积层用于实现图像特征信息的完全扫描;
所述深度卷积提取层用于图像特征信息的滤波;
所述逐点卷积提取层用于实现图像特征信息的组合。
4.根据权利要求3所述的一种基于迁移学习的过电压智能识别方法,其特征在于,所述逻辑修正网络包括平均池化层以及卷积修正层,所述逐点卷积提取层的输出接入所述平均池化层的输入,所述平均池化层的输出接入所述卷积修正层的输入,所述平均池化层以及卷积修正层用于实现图像特征信息的降维。
5.根据权利要求4所述的一种基于迁移学习的过电压智能识别方法,其特征在于,所述分类识别网络包括第一softmax分类器,所述卷积修正层的输出接入所述第一softmax分类器的输入,所述第一softmax分类器用于实现所述imagenet训练数据库的分类识别。
6.根据权利要求5所述的一种基于迁移学习的过电压智能识别方法,其特征在于,建立过电压迁移学习模型的过程包括:
保留所述卷积特征提取网络、所述逻辑修正网络,将所述分类识别网络修改为带有全连接层以及第二softmax分类器的浅层神经网络,所述逻辑修正网络的输出接入所述全连接层的输入,所述全连接层的输出接入所述第二softmax分类器的输入,所述第二softmax分类器用于实现所述过电压波形图数据库的分类识别。
7.根据权利要求6所述的一种基于迁移学习的过电压智能识别方法,其特征在于,所述过电压迁移学习模型的学习训练过程包括:
将所述过电压波形图数据库依次输入所述卷积特征提取网络、所述逻辑修正网络后获得过电压特征集;
将所述过电压特征集输入全连接层以及第二softmax分类器进行学习训练,获得过电压波形分类识别结果。