基于深度学习的矿井漏电故障分类算法研究.pdfVIP

第５７卷第６期工程建设

２０２５年６月ＥｎｇｉｎｅｅｒｉｎｇＣｏｎｓｔｒｕｃｔｉｏｎ３９



基于深度学习的矿井漏电故障分类算法研究

李一凡，杨静，李乐

（辽宁何氏医学院ａ人工智能与大数据学院；ｂ眼科智能器械应用实验室，辽宁沈阳１１０１７０）

摘要：漏电保护是确保矿井安全的关键措施之一。为实时监测矿井线路中的漏电故障，文章构建了一个用于模拟

矿井生产环境的ＭＡＴＬＡＢ模型，并采用瞬时对称分量法进行暂态故障分析。通过对仿真故障波形与正常波形的

对比，采取集合变换进行面向暂态波形图的数据集扩展。最终，基于经典深度学习模型，包括ＶＧＧＮｅｔ、ＲｅｓＮｅｔ等，

构建了不同结构的深度学习模型，用于进行暂态波形图的分类识别。研究结果表明：１）本文提出的深度学习方法

可以有