基于Tri-SE-CNN的風(fēng)電機(jī)組葉片結(jié)冰檢測研究

打開文本圖片集

摘 要：針對現(xiàn)有風(fēng)力機(jī)葉片結(jié)冰檢測方法未能充分利用無標(biāo)簽數(shù)據(jù)，且分類性能差的問題，提出一種基于改進(jìn)的三重訓(xùn)練和卷積神經(jīng)網(wǎng)絡(luò)（Tri-SE-CNN）的結(jié)冰檢測方法。首先建立基于最優(yōu)加權(quán)策略的三重訓(xùn)練（Tri-training）模型，對無標(biāo)簽樣本的狀態(tài)進(jìn)行判別，用以擴(kuò)充訓(xùn)練集；接著將壓縮與激勵(lì)（SE）模塊嵌入到卷積神經(jīng)網(wǎng)絡(luò)（CNN）中，并用SE-CNN分類器學(xué)習(xí)擴(kuò)充后的樣本集。（剩余17710字）