[发明专利]一种基于遗传算法优化残差网络模型的电弧检测方法

权利要求书

1.一种基于遗传算法优化残差网络模型的电弧检测方法，其特征在于，包括如下步骤：

A：数据集的采集和预处理；

B：根据经过预处理后的数据集搭建复合残差网络模型；

C：采用遗传算法优化残差网络模型。

2.根据权利要求1所述的基于遗传算法优化残差网络模型的电弧检测方法，其特征在于，步骤A具体包括如下步骤：

A1：在低压交流系统中，采集实验平台上不同负载的故障电弧信号，提取电弧故障时和非故障时的电流时域信号作为样本；

A2：对样本数据进行标识行向量；

A3：对数据样本进行筛选和归一化处理，将数据集归一化在(-1，1)之间；

A4：将电弧数据样本按7：3的比例划分训练集与测试集。

3.根据权利要求1所述的基于遗传算法优化残差网络模型的电弧检测方法，其特征在于：所述残差网络模型设有2至4个，所述残差网络模型分别选择不同残差块的网络结构，所述负荷残差网络结构包括基本卷积单元、最大池化层、复合残差块、全连接层和Dropout层。

4.根据权利要求3所述的基于遗传算法优化残差网络模型的电弧检测方法，其特征在于：所述残差块的输出与输入的关系公式如下：

xⁱ⁺¹＝xⁱ+F(xⁱ,W_i)

其中：xⁱ为第i个残差块的输入，xⁱ⁺¹为第i个残差块的输出，F(xⁱ,W_i)表示残差块结构中从输入端直接跳跃到输出端的非线性的映射；

根据反向传播的链式法则，在残差神经网络模型中任意一层xⁱ的梯度如下所示：

联立以上两式可以得到损失函数的在xⁱ的梯度为：

5.根据权利要求1所述的基于遗传算法优化残差网络模型的电弧检测方法，其特征在于，步骤C具体包括如下步骤：

C1：采用遗传算法优化残差神经网络模型的权值参数；

C2：在采用遗传算法对残差网络模型进行优化的过程中，以训练所得误差最小为目标函数，在每一次的迭代寻优中获得残差神经网络模型参数的最优解，将最优权值参数和训练样本输入到ResNet模型中,经过迭代训练得到训练好的GA-ResNet模型。