论文部分内容阅读
为提高小样本条件下变压器故障诊断的准确率,提出了一种小样本条件下基于卷积孪生网络CSNN(convolutional Siamese neural network)的变压器故障诊断方法。利用具有强大特征提取能力的卷积层和池化层来构建孪生网络将原始数据映射到低维空间。并基于欧式距离进行相似度的对比,从而实现故障的分类。仿真结果表明,CSNN比传统方法更加适合小样本条件下的变压器故障诊断,利用卷积层和池化层来构建孪生网络比仅用全连接层来构建孪生网络会收获更高的准确率。