(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111668486.2 (22)申请日 2021.12.31 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 张嘉伟　张贵权　王倩　秦司晨　 李程　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 刘娜 (51)Int.Cl. G06V 20/10(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/70(2017.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 基于RRAM阵列的卷积神经网络的绝缘子故 障识别方法 (57)摘要 本发明公开了一种基于RRAM阵列的卷积神 经网络的绝缘子故障识别方法， 包括用于实现神 经网络突触功能的RRAM阵列、 权值训练电路。 整 体实现需包含的辅助器件包括具有图像收集 以 及无线传输功能的无人机。 根据RRA M所具有的阻 变特性， 采用RRA M阵列存储不同特征量所对应的 权重值。 而权值训练电路采用FPGA控制反馈训 练， 对大量的绝缘子形貌图片进行特征值的提取 以及权值训练， 采用 “赢者通吃 ”策略， 通过判断 无人机所采集的数据与训练集数据特征量的相 关性来判断， 根据数据之间的相关性大量的运用 数据集实现图像识别功能， 从而让数据自己发 声。 权利要求书2页 说明书5页 附图2页 CN 114529812 A 2022.05.24 CN 114529812 A 1.基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特征在于： 具体包括如下 步骤： 步骤1， 获取绝 缘子各种形貌的图片， 并对获取的图片进行分类； 步骤2， 将步骤1分类好的图片分为训练集和 测试集； 步骤3， 将训练集中的数据输入RRAM阵列卷积神经网络中， 对绝缘子各种形成图片进行 训练学习； 步骤4， 将步骤2分好的测试集中的绝缘子形貌图片数据输入至步骤3训练好的RRAM阵 列卷积神经网络模型中进行验证， 当验证结果满足要求时， 执行步骤5， 当训练结果不满足 要求时， 重复执 行步骤1‑4， 直至得到最优的R RAM阵列卷积神经网络模型； 步骤5， 将无人机拍摄到的实时的绝缘子个形貌图片采用无线通讯技术传输给PC端， PC 端内部通过步骤2训练好的RRAM阵列卷积神经网络模型对采集到的实时数据进行分析甄 别， 根据甄别情况判断绝 缘子的健康状况。 2.根据权利要求1所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤1中， 对获取的绝缘子图片按照故障绝缘子图片和正常绝缘子图片进行分 类。 3.根据权利要求2所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤3的具体过程为： 提取绝缘子各形貌特征参数， 将参数输入至RRAM阵列卷 积神经网络中， 通过RRAM阵列卷积神经网络对各特征参数进行学习， 通过调节RRAM阵列卷 积神经网络中相应R RAM的阻值 来对各神经节点的权值数据进行存 储。 4.根据权利要求3所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤3中RRAM阵列卷积神经网络训练过程中， 将RRAM阵列卷积神经网络中的神 经元等效为 一个积分电路， 积分电路的运 算公式如下： 其中， τm为时间常数， Rm为等效膜电阻， EL为等效细胞膜静止电势， Ie为神经元等效电流， V为膜电压 。 5.根据权利要求4所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤3中RRAM阵列卷积神经网络训练过程中， 让RRAM阵列卷积神经网络中的某 一层处理层神经元作为竞争层， 提取绝缘子形貌特征值， 对应于不同的特征向量X， 处于竞 争层的全部n个神经元都会对输入产生对应的输出响应， 从而使得输出响应最大 的值对应 的神经元触发， 该神经元即胜出， 当进行若干次训练后每一个特征值都存在一个最先触发 的神经元， 当下次有新的类似于X向量的输入作用到该神经元时， 该神经元就会触发， 即相 应的RRAM电路触发。 6.根据权利要求5所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤4中， 当验证结果的准确率≧90％时， 即满足要求， 则继续执行步骤5； 当验 证结果的准确率＜90％时， 则扩 大样本总数， 重新执行步骤1～2， 直至验证结果的准确率≧ 90％为止 。 7.根据权利要求5所述的基于RRAM阵列的卷积神经网络的绝缘子故障识别方法， 其特 征在于： 所述步骤5中， 当采集到的图片与训练完成的RRAM阵列卷积神经网络模型具有相似权　利　要　求　书 1/2 页 2 CN 114529812 A 2的特征值时， 相应的R RAM就会触发， 从而立即判断出 所检测区域的绝 缘子的健康状况。权　利　要　求　书 2/2 页 3 CN 114529812 A 3