logo móvil
Contáctanos

Método de identificación de vibración externa de torres de líneas de transmisión basado en sensor RFID alimentado por energía solar y CNN

Autores: Deng, Fangming; Wen, Kaiyun; Xie, Zhongxin; Liu, Huafeng; Tong, Jin

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico
2020

Método de identificación de vibración externa de torres de líneas de transmisión basado en sensor RFID alimentado por energía solar y CNN


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Propuesto
Sensor de rfid
Aprendizaje profundo
Red neuronal convolucional
Señales de vibración
Precisión de identificación

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 26

Citaciones: Sin citaciones


Descripción
Este documento propone un método de identificación de vibraciones de rotura externa de torres de líneas de transmisión basado en un sensor de identificación por radiofrecuencia (RFID) y aprendizaje profundo. El sensor RFID está diseñado para obtener la señal de vibración de la torre de línea de transmisión. Para lograr un monitoreo a largo plazo y una mayor distancia de trabajo, la etiqueta del sensor RFID propuesta utiliza una celda fotovoltaica combinada con un supercondensador como módulo de gestión de energía. Se adopta una red neuronal convolucional (CNN) para extraer las características de las señales de vibración y luego se emplea una máquina de vectores de relevancia (RVM) para lograr la identificación de patrones de vibración. Además, el clasificador Softmax y el método de descenso de gradiente se utilizan para ajustar los pesos y umbrales de la CNN, con el fin de obtener una estructura de identificación de alta precisión. Los resultados del experimento muestran que la sensibilidad mínima de la etiqueta del sensor RFID alimentada por energía solar propuesta es de -29 dBm y la duración de descarga del supercondensador es de 63.35 h cuando las frecuencias de consulta son de 5/min. El tamaño óptimo del lote de la CNN es 5, y el número óptimo de núcleos de convolución en la primera capa y la segunda capa son 2 y 4, respectivamente. El número máximo de iteraciones es 10 veces. La precisión de identificación de vibraciones del método propuesto es superior al 99% bajo tres condiciones diferentes.

Otros recursos que podrían interesarte

Temas Virtualpro